Pengembangan Metode Registrasi Gambar Tiga Dimensi Otak Menggunakan Metode Contour Matching Dan Posisi Ventrikel Berdasarkan Data Dicom

Waluyo, Maurendra Retawan (2022) Pengembangan Metode Registrasi Gambar Tiga Dimensi Otak Menggunakan Metode Contour Matching Dan Posisi Ventrikel Berdasarkan Data Dicom. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6025201005-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2024. Download (7MB) | Request a copy

Abstract

Proses registrasi antara gambar Magnetic Resonance Imaging (MRI) dan gambar Diffusion Weighted Imaging (DWI) merupakan salah satu bidang penelitian yang bermanfaat bagi dunia kesehatan. Penggabungan dua jenis gambar bisa membantu dokter untuk merencanakan prosedur operasi yang lebih baik, dengan memperhatikan jaringan saraf yang ada. Jaringan saraf yang ada pada otak bisa dibentuk oleh gambar DWI. Sedangkan pada gambar MRI, dokter bisa melihat struktur anatomi otak. Saat ini penelitian tentang registrasi citra MRI dan DWI memberikan hasil terbaik dengan nilai selisih rata-rata jarak titik Anterior Commisure (AC) dan Posterior Commisure (PC) adalah 2,4. Penelitian pada citra DWI juga banyak dilakukan menggunakan data Neuroimaging Informatics Technology Initiative (NIfTI). Hal ini karena jenis file NIfTI memiliki struktur yang lebih sederhana. Namun jenis file ini memiliki kekurangan yaitu banyaknya informasi yang hilang selama proses konversi.
Pada penelitian ini, diusulkan pendekatan baru untuk melakukan proses registrasi citra MRI dan citra DWI secara semi otomatis menggunakan posisi ventrikel dan contour matching berdasarkan data Digital Imaging and Communications in Medicine (DICOM). Berdasarkan hasil uji coba yang dilakukan, metode yang kami usulkan dapat memberikan nilai perbedaan rata-rata jarak titik AC adalah 0,19, dan untuk titik PC adalah 0,2. Selain itu, hasil eksperimen juga menunjukkan bahwa metode yang diusulkan ini dapat memberikan hasil yang konsisten pada beberapa jenis citra otak 3D. Penggunaan data DICOM secara langsung juga dapat memberikan rata – rata kenaikan jumlah jaringan saraf sebesar 54.202 saraf atau sekitar 24.08%.
================================================================================================
The image registration process between Magnetic Resonance Imaging (MRI) images and Diffusion Weighted Imaging (DWI) images is one of the fields of research that is beneficial for health’s purpose. The combination of the two images can help doctors to plan better surgical procedures, by paying attention to existing neural networks. The neural networks in the brain can be formed by the DWI images. While in MRI images, doctors can see the anatomical structure of the brain. Currently, research on MRI and DWI image registration provides the best results with the average difference value of Anterior Commisure (AC) and Posterior Commisure (PC) point distance is 2.4. Research on DWI images also widely conducted using Neuroimaging Informatics Technology Initiative (NIfTI). It is because the NIfTI file type has a simpler structure. But this file has the disadvantage of the amount of information lost during the conversion process.
In this study, we propose a new approach for the 3D image registration between MRI and DWI images using brain ventricular references and contour matching based on DICOM data. Based on experimental results, our proposed method can produce the average difference value of the AC point distance is 0.19, and for PC point is 0.2. In addition, the results of the experiments also showed that this proposed method could provide consistent results on some types of 3D brain images. Direct use of DICOM data can also provide an average increase in the number of neural fibers by 54,202 neural fibers or about 24.08%.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Image Registration, DICOM, Brain Ventricular, MRI, DWI, Registrasi Gambar, Ventrikel Otak
Subjects:	Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) Q Science > QA Mathematics > QA76.9 Computer algorithms. Virtual Reality. Computer simulation. Q Science > QA Mathematics > QA76.9.I52 Information visualization Q Science > QA Mathematics > QA76.F56 Data structures (Computer science) Q Science > QA Mathematics > QA9.58 Algorithms
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Maurendra Retawan Waluyo
Date Deposited:	03 Feb 2022 07:21
Last Modified:	03 Feb 2022 07:21
URI:	http://repository.its.ac.id/id/eprint/92698

Actions (login required)

View Item