Indraswari, Rarasmaya (2020) Sistem Deteksi Osteoporosis Berdasarkan Fitur Cortical Bone Rahang Bawah pada Cone-Beam Computed Tomography (CBCT). Doctoral thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05111660010005-Dissertation.pdf Download (5MB) | Preview |
Abstract
Osteoporosis adalah penyakit sistemik yang menyerang sistem kerangka manusia yang ditandai dengan penurunan kepadatan mineral tulang. Gold standard untuk deteksi osteoporosis dilakukan dengan mengukur bone mineral density (BMD) pada tulang punggung menggunakan perangkat DEXA (Dual Energy X-Ray Absorptiometry). Beberapa penelitian menunjukkan bahwa kepadatan mineral tulang pada punggung memiliki korelasi dengan lebar cortical bone rahang bawah pada citra panorama gigi. Citra panorama gigi menunjukkan gambar dua dimensi (2D) dari rahang manusia dan relatif mudah didapatkan karena harganya yang terjangkau masyarakat. Namun, permasalahan superimposition pada citra panorama gigi dapat mengakibatkan tampilan tebal cortical bone yang salah pada citra. Saat ini teknik pengambilan citra tiga dimensi (3D) menggunakan Cone-Beam Computed Tomography (CBCT) semakin banyak dimanfaatkan dalam dunia kedokteran gigi karena dapat menunjukkan kondisi rahang manusia secara lebih detail. Karena merupakan citra 3D, citra CBCT tidak mengalami permasalahan superimposition. Citra CBCT mengandung banyak informasi terkait kondisi tulang rahang, termasuk kepadatannya, sehingga memungkinkan digunakan untuk melakukan deteksi osteoporosis. Selain itu, terdapat penelitian yang menunjukkan bahwa perangkat CBCT memberikan hasil korelasi pengukuran kekuatan tulang kortikal yang lebih tinggi daripada perangkat DEXA. Beberapa penelitian lain menunjukkan bahwa terdapat korelasi antara fitur yang diekstrak dari tulang rahang pada citra CBCT dengan kepadatan mineral tulang yang diperoleh dari perangkat DEXA. Pada umumnya, penelitian terkait deteksi osteoporosis menggunakan citra CBCT memiliki kekurangan terkait proses segmentasi tulang rahang yang menggunakan nilai threshold yang dipilih secara manual. Hal tersebut menyebabkan proses segmentasi menjadi tidak adaptif dan membuat objek segmentasi yang didapat tidak konsisten. Pada umumnya penelitian tersebut tidak menggunakan metode ekstraksi fitur tulang kortikal yang memberikan hasil konsisten secara otomatis. Penggunaan metode pengukuran yang manual tidak efisien untuk diterapkan pada citra CBCT yang memiliki ratusan slice 2D. Selain itu juga terdapat kontradiksi terkait hasil analisis fitur yang digunakan untuk melakukan deteksi osteoporosis. Penelitian ini mengusulkan pengembangan sistem deteksi osteoporosis secara otomatis berdasarkan fitur cortical bone rahang bawah pada CBCT. Sistem yang diusulkan terdiri dari empat tahap utama, yaitu preprocessing untuk melakukan slicing pada citra CBCT, segmentasi cortical bone rahang bawah, ekstraksi fitur kekeroposan cortical bone, serta klasifikasi untuk menentukan apakah subyek termasuk dalam kelompok normal, osteopenia, atau osteoporosis. Data yang digunakan adalah 30 buah data CBCT yang disertai dengan data hasil pengukuran BMD menggunakan perangkat DEXA. Metode segmentasi yang diusulkan bersifat adaptif terhadap tiap slice CBCT dengan menggunakan nilai intensitas grayscale dan bentuk dari cortical bone. Metode tersebut berhasil memisahkan cortical bone menjadi inferior cortical bone, buccal cortical plate, dan lingual cortical plate sehingga dapat dilakukan ekstraksi fitur inferior cortical bone dan visualisasi 3D terhadap bagian-bagian cortical bone. Metode ekstraksi fitur yang diusulkan telah berhasil secara otomatis mengukur degradasi intensitas grayscale dari cortical bone berdasarkan intensity profile. Korelasi antara fitur yang diekstrak dari cortical bone terhadap T-score BMD berhasil mencapai 70,35%. Sistem yang diusulkan berhasil melakukan deteksi osteoporosis dengan akurasi mencapai 87,10%.
===================================================================================================================================
Osteoporosis is a systemic disease that attacks the human skeletal system and characterized by decreased bone mineral density. The gold standard for osteoporosis detection is bone mineral density (BMD) measurement on the spinal by using DEXA (Dual Energy X-Ray Absorptiometry) device. Several research have shown that bone mineral density of the spinal has a correlation with the width of the mandibular cortical bone on the dental panoramic radiographs. Dental panoramic radiographs show two-dimensional images (2D) of human jaws and are relatively easy to obtain because of the affordable price. However, the superimposition problem of the dental panoramic image can result in the incorrect appearance of cortical bone width on the image. On the other hand, three-dimensional (3D) image acquisition technique by using Cone-Beam Computed Tomography (CBCT) is being used increasingly in dentistry because it can shows the detailed condition of human jaw. CBCT images do not experience superimposition problem due to the 3D imaging technique. CBCT images contain a lot of information related to the condition of the jaw bone, including its density, making it possible to use for osteoporosis detection. In addition, there is research that shows that CBCT devices provide a higher correlation of cortical bone strength measurements than DEXA devices. Several other research have shown that there is a correlation between features extracted from the jawbone in CBCT images and bone mineral density obtained from the DEXA device. In general, research related to the osteoporosis detection by using CBCT images have drawback related to the process of segmenting the jaw bone that uses a pre-specified threshold value that is chosen manually. This causes the segmentation process to be non-adaptive and makes the obtained segmentation object inconsistent. Those research in general did not use method for extracting cortical bone features that provide consistent results automatically. The use of manual measurement methods is not efficient to be applied to CBCT images that have hundreds of 2D slices. In addition, there were contradictions related to the analysis results of the features used to detect osteoporosis. Therefore, in this research we propose the development of an automatic osteoporosis detection system based on mandibular cortical bone features on CBCT. The proposed system consists of four main stages, which are preprocessing to slice the 3D CBCT images, segmentation of mandibular cortical bone, extraction of cortical bone erosion feature, and classification to determine whether patients belong to the normal, osteopenia, or osteoporosis group. The data used are 30 CBCT images accompanied by BMD measurement using DEXA device. The proposed segmentation method is adaptive to each CBCT slice by using grayscale intensity information and the shape of cortical bone. The method succeeded in separating cortical bone into the inferior cortical bone, buccal cortical plate, and lingual cortical plate so that we can perform feature extraction and 3D visualization from the parts of cortical bone. The proposed feature extraction method has succeeded in automatically measuring the degradation of grayscale intensity from inferior cortical bone based on intensity profile. The correlation between the features extracted from cortical bone and BMD’s T-score reached 70.35%. The proposed system succeeded in detecting osteoporosis with an accuracy reaching 87.10%.
| Item Type: | Thesis (Doctoral) |
|---|---|
| Additional Information: | RDIf 006.42 Ind s-1 |
| Uncontrolled Keywords: | bone mineral density, cortical bone, cone-beam computed tomography, osteoporosis, rahang bawah |
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques. Image analysis--Data processing. T Technology > TA Engineering (General). Civil engineering (General) > TA174 Computer-aided design. |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55001-(S3) PhD Thesis (Comp Science) |
| Depositing User: | Rarasmaya Indraswari |
| Date Deposited: | 11 Mar 2025 03:27 |
| Last Modified: | 11 Mar 2025 03:27 |
| URI: | http://repository.its.ac.id/id/eprint/73076 |
Actions (login required)
 |
View Item |