Aisyah, Khairiyyah Nur (2020) Pendekatan Multilevel Thresholding dan Hubungan Struktur Morfologi untuk Deteksi Otomatis Anterior dan Posterior Commissure pada Mid-Sagittal MRI Otak. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05111850010008-Master_Thesis.pdf Download (19MB) | Preview |
Abstract
Mayoritas aplikasi neuroimaging di Indonesia saat ini cenderung masih mengandalkan pengetahuan ahli dalam menentukan anatomi pada otak. Misalnya pada operasi penyembuhan penyakit parkinson, penentuan lokasi anterior commissure (AC) dan posterior commissure (PC) yang merupakan organ vital pada berlangsungnya proses operasi masih dilakukan manual oleh dokter. Proses deteksi secara manual tentu membutuhkan keahlian, memakan banyak waktu, dan berpotensi terjadi adanya keragaman deteksi antar ahli. Sebelumnya, berbagai metode telah dikembangkan terkait deteksi otomatis AC dan PC. Namun, mayoritas metode yang sudah ada kurang menunjukkan kehandalan dalam mengeksekusi beragam jenis data MRI, seperti hanya kompatibel pada salah satu jenis data (T1-W MRI atau T2-MRI), hanya diterapkan pada data dengan ukuran matriks yang sama, serta adanya ketergantungan terhadap data training yang digunakan. Penelitian ini mengajukan sebuah strategi yang mengkombinasikan pendekatan multilevel thresholding dan hubungan struktur morfologi untuk deteksi otomatis AC dan PC pada mid-sagittal MRI otak. Proses deteksi dilakukan berdasarkan 4 tahapan utama yaitu: preprocessing, pemilihan klaster menggunakan Otsu multilevel thresholding, segmentasi, serta deteksi AC dan PC. Segmentasi dilakukan pada beberapa anatomi antara lain corpus callosum, fornix, dan colliculus dengan menggunakan pendekatan struktur morfologi. Dari hasil evaluasi, dapat ditarik beberapa kesimpulan yaitu: penggunaan pendekatan multilevel thresholding dan hubungan struktur morfologi berhasil melakukan segmentasi terhadap ketiga anatomi dengan rata-rata akurasi 84.8% untuk segmentasi corpus callosum dan fornix, serta 87.9% untuk segmentasi colliculus. Rata-rata error pada keseluruhan data untuk deteksi otomatis AC dan PC adalah 1.02 mm dan 1.06 mm. Metode yang diusulkan berhasil melakukan deteksi otomatis AC dan PC dengan algoritma yang sederhana, tidak membutuhkan dataset yang beragam untuk proses training, tanpa proses training yang memakan waktu, serta mampu mengeksekusi keberagaman MRI, baik T1-W maupun T2-W dengan ukuran matriks 256 x 256 maupun 512 x 512 piksel, yang tidak dapat ditangani oleh penelitian-penelitian sebelumnya
=============================================================================================
The majority of neuroimaging applications tend to still rely on expert
knowledge in determining the anatomy of the brain. For examples in Parkinson’s
disease surgery, detection of anterior commissure (AC) and posterior commissure
(PC) which is a vital organ in the process of surgery is still done manually by
doctors. Manual detection of anatomy certainly requires expertise, takes a lot of
time, and possibility of diversity among experts. Previously, various methods have
been developed related to automatic detection of AC and PC. However, the
majority of existing methods are less reliable in executing various types of MRI
data, such as only compatible with one type of data (T1-W MRI or T2-MRI), only
applied to data with the same matrix size, and depence on the data training used.
This study proposes a new strategy by combining a multilevel thresholding and
morphologic structures approach for automatic detection of AC and PC in midsagittal
brain
MRI.
The
process
divided
into
4
main
stages:
preprocessing,
cluster
selection
using Otsu multilevel thresholding, segmentation, and detection of AC
and PC. The segmentation is performed on several anatomies including corpus
callosum, fornix, and colliculus using a morphological relationship approach.
From the evaluation results, several conclusions can be drawn, including: the use
of the multilevel thresholding and morphological relationship approach
successfully segmented the three anatomies with an average accuracy of 84.8%
for corpus callosum and fornix segmentation, and 87.9% for colliculus
segmentation. The average of error value for all dataset in automatic detection of
AC and PC are 1.02 mm and 1.06 mm. The proposed method performs an
automatic detection of AC and PC with a simple algorithm, does not require a
large of diverse data sets for the training process, without training process that
takes up time, and reliable on the diversity of MRI since it is compatible for T1-W
and T2-W with various matrix sizes of 256 x 256 and 512 x 512 pixels which
cannot be handled by previous researches
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Anterior Commissure, Colliculus, Corpus Callosum, Fornix, MRI Otak, Otsu Multilevel thresholding, Parkinson, Posterior Commissure, Anterior Commissure, Brain MRI, Colliculus, Corpus Callosum, Fornix, Otsu Multilevel thresholding, Parkinson, Posterior Commissure. |
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis |
| Depositing User: | KHAIRIYYAH NUR AISYAH |
| Date Deposited: | 12 Aug 2020 04:17 |
| Last Modified: | 05 Jun 2023 15:05 |
| URI: | http://repository.its.ac.id/id/eprint/77558 |
Actions (login required)
 |
View Item |