IAESCOREIAESCORE

International Journal of Electrical and Computer Engineering (IJECE)International Journal of Electrical and Computer Engineering (IJECE)

Citra retina mengandung informasi penting terkait kesehatan bagian sensorik sistem visual. Ekstraksi fitur-fitur ini merupakan langkah pertama dan paling esensial dalam analisis citra retina untuk berbagai aplikasi medis maupun pengenalan manusia. Metode yang diusulkan terdiri dari tahap pra-pemrosesan, peningkatan kontras, dan ekstraksi pembuluh darah. Pada tahap pra-pemrosesan, komponen saluran hijau dipilih karena memiliki kontras tertinggi dibandingkan sub-band lainnya. Untuk meratakan kecerahan citra, digunakan adaptive histogram equalization sehingga latar belakang tampak lebih gelap dan tingkat keabuan pembuluh darah lebih terang. Selanjutnya, transformasi Curvelet dimanfaatkan untuk meningkatkan kontras dengan menonjolkan tepi citra pada berbagai skala dan arah. Terakhir, fungsi morfologi Bothat dan Tophat diikuti oleh thresholding lokal diterapkan untuk mengklasifikasikan pembuluh darah, sehingga mampu memisahkan pembuluh darah retina dari latar belakang.

Metode yang diusulkan berhasil menggabungkan adaptive histogram equalization, transformasi Curvelet, dan fungsi morfologi Bothat serta Tophat yang diikuti thresholding lokal untuk meningkatkan kontras dan secara akurat mengekstraksi pembuluh darah dari citra retina.Algoritma ini menunjukkan kinerja ekstraksi pembuluh darah yang cepat dan andal dengan menghilangkan artefak tepi yang diakibatkan variasi pencahayaan latar belakang.Untuk penerapan klinis yang lebih robust, penelitian selanjutnya perlu mengembangkan teknik pra-pemrosesan guna meningkatkan ketangguhan dan presisi deteksi.

Selanjutnya, penelitian dapat diarahkan pada pengembangan teknik pra-pemrosesan adaptif yang menggabungkan analisis karakteristik histogram citra dan pembelajaran mesin ringan sehingga parameter histogram equalization dan reduksi noise disesuaikan secara otomatis untuk setiap citra retina. Ide penelitian kedua adalah meneliti modifikasi transformasi Curvelet dengan penentuan skala dan orientasi secara dinamis berdasarkan fitur lokal pembuluh darah, sehingga deteksi tepi halus dan bercabang dapat ditingkatkan terutama pada area dengan kontras rendah atau perubahan patologis. Eksplorasi ini juga dapat mencakup studi sensitivitas parameter pada dataset DRIVE dan STARE dengan keberagaman kondisi pencahayaan, noise, serta lesi patologis, sehingga solusi yang dihasilkan bersifat generalis dan tahan guncangan. Selanjutnya, studi dapat mengeksplorasi fungsi morfologi adaptif yang mengatur ukuran dan bentuk struktur elemen sesuai dengan variasi bentuk dan lebar pembuluh darah pada citra retina untuk meminimalkan artefak dan meningkatkan akurasi segmentasi. Akhirnya, evaluasi kinerja secara menyeluruh termasuk kecepatan proses, konsumsi memori, dan skalabilitas perlu dilakukan untuk memastikan algoritma dapat diimplementasikan dengan efisien pada perangkat keras dengan sumber daya terbatas.

File size710.98 KB
Pages9
DMCAReportReport

ads-block-test