IAESCOREIAESCORE

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

Penilaian pembuluh darah dalam gambar retina merupakan faktor penting bagi banyak gangguan medis. Perubahan pada pembuluh darah retina akibat patologi dapat dengan mudah diidentifikasi melalui segmentasi pembuluh darah retina. Segmentasi ini dilakukan untuk mengidentifikasi diagnosis dini penyakit seperti glaukoma, retinopati diabetik, degenerasi makula, retinopati hipertensif, dan arterosklerosis. Dalam makalah ini, kami mengusulkan dua metode segmentasi pembuluh darah otomatis. Algoritma pertama dimulai dengan ekstraksi piksel garis tengah pembuluh darah. Segmentasi akhir diperoleh menggunakan metode pertumbuhan wilayah iteratif yang menggabungkan isi beberapa gambar biner yang dihasilkan dari filter morfologi terubah tergantung lebar pembuluh pada gambar retina yang dinormalisasi. Pada algoritma kedua, pembuluh darah disegmentasi menggunakan operasi morfologi terubah yang dinormalisasi dan klasifikator neuro fuzzy. Operasi morfologi terubah yang dinormalisasi digunakan untuk meningkatkan pembuluh darah dan klasifikator neuro fuzzy digunakan untuk segmentasi pembuluh darah retina. Metode ini diterapkan pada basis data DRIVE yang tersedia secara publik dan hasil eksperimen yang diperoleh dengan menggunakan gambar saluran hijau telah disajikan dan dibandingkan dengan metode yang diterbitkan baru-baru ini. Hasil menunjukkan bahwa algoritma kami sangat efektif dalam mendeteksi pembuluh darah retina.

Kami mengusulkan dua metode segmentasi pembuluh darah retina.satu menggunakan operasi morfologi terubah yang dinormalisasi dengan berbagai ukuran dan deteksi garis tengah, dan satu lagi menggunakan transformasi top‑hat terubah yang dinormalisasi serta klasifikator neuro fuzzy.Metode kami menunjukkan kinerja konsisten pada citra normal dan abnormal, dan ketika diuji pada basis data DRIVE publik, menghasilkan spesifisitas, akurasi, dan sensitivitas tertinggi.95,42–98,96 untuk algoritma pertama dan 97,31–98,89 untuk algoritma kedua.

1. Mengembangkan sistem segmentasi yang memadukan proses morfologi terubah dengan jaringan saraf konvolusional (CNN) untuk meningkatkan akurasi pada citra dengan noise tinggi. 2. Menerapkan analisis multi‑spectral pada citra retina, memanfaatkan saluran hijau dan infra‑merah, guna meningkatkan deteksi pembuluh darah kecil yang sulit diidentifikasi. 3. Meneliti penggunaan algoritma pembelajaran semi‑berawasi, di mana sedikit data terlabel dapat ditingkatkan melalui teknik augmentasi, sehingga memperkecil kebutuhan dataset berlabel besar. 4. Mengevaluasi performa metode baru pada dataset DRIVE, STARE, dan CHASE‑DB1 secara bersamaan untuk menilai generalisasi. 5. Mengembangkan modul evaluasi otomatis yang menghitung metrik sensitivitas, spesifisitas, dan F1‑score secara real‑time, memudahkan pengguna klinis menilai kualitas segmentasi. 6. Meneliti efek penyesuaian parameter adaptif pada tahap thresholding, agar algoritma dapat menyesuaikan diri dengan kondisi pencahayaan berbeda secara otomatis.

File size1.01 MB
Pages13
DMCAReportReport

ads-block-test