Ekstraksi Exudate pada Citra Fundus Menggunakan Metode Segmentasi Chan–Vese

Article Sidebar

PDF
Published Feb 18, 2019

Main Article Content

Syaiful Anam

Abstract

Diabetes mellitus merupakan 10 penyakit peringkat teratas penyebab kematian terbanyak di dunia. Retinopati diabetik adalah salah satu komplikasi yang umum terjadi pada penderita diabetes mellitus. Penyakit ini menyebabkan kebocoran pada pembuluh darah retina. Diagnosis dini penyakit ini merupakan tugas penting untuk mencegah terjadinya kebutaan. Exudate adalah salah satu gejala umum yang digunakan untuk diagnosis retinopati diabetik dengan menggunakan citra fundus. Oleh karena itu, ini adalah tugas penting untuk mengekstrak exudate untuk diagnosis retinopati diabetik. Citra fundus sering memiliki kualitas yang buruk, sehingga ekstraksi exudate menjadi tugas yang sulit. Metode ekstraksi exudate secara otomatis sangat berguna bagi dokter. Metode segmentasi adalah salah satu metode yang dapat digunakan untuk tugas ini. Salah satu metode segmentasi adalah metode Chan-Vase untuk kontur aktif yang merupakan metode yang kuat dan fleksibel untuk mensegmentasikan banyak jenis citra dibandingkan dengan metode segmentasi klasik. Untuk alasan ini, makalah ini mengusulkan ekstraksi exudate pada citra fundus dengan menggunakan metode Chan-Vese. Dari hasil percobaan, metode Chan-Vese mampu bekerja dengan baik dalam segmentasi gambar fundus untuk hampir semua dataset yang digunakan

Article Details

How to Cite
Anam, S. (2019). Ekstraksi Exudate pada Citra Fundus Menggunakan Metode Segmentasi Chan–Vese. PRISMA, Prosiding Seminar Nasional Matematika, 2, 473-478. Retrieved from https://journal.unnes.ac.id/sju/prisma/article/view/29031
Issue
Vol 2 (2019): PRISMA, Prosiding Seminar Nasional Matematika
Section
Articles

References

Anam, S., Uchino, E., Misawa, H., &Suetake, N. (2014). Combining PSO and Fuzzy Inference for the Calculation of Coronary Plaque Boundary in IVUS Image. International Journal of Biomedical Soft Computing and Human Sciences 19 (1), 51-59.
Anam, S., Uchino, E., Misawa, H., & Suetake, N. (2014). Texture Analysis and Modified Level Set Method for Automatic Detection of Bone Boundaries in Hand Radiographs. International Journal of Advanced Computer Science and Applications, 5 (10), 117-126.
Chan, T. C. & Vese, L. A. (2001). Active Contours Without Edges. IEEE Transactions on Image Processing, 10(2), 266-277.
Dhivya, A. & Anitha, D. (2014). Detection of Tumor Region Using Fast Fuzzy Clustering Algorithm. International Journal of Research in Computer Applications and Robotics, 2 (4), 145-149.
Kaur, D. & Kaur, Y. (2014). Various Image Segmentation Techniques: A Review. International Journal of Computer Science and Mobile Computing, 3 (5), 809-814.
Perona, P., & Malik, J. (1990). Scale-Space and Edge Detection Using Anisotropic Diffusion. IEEE Transactions on Pattern Analysis and Machine Intelligence, 12, 629-639.
Semeraro, F., Cancarini, A., Dell’Omo, R., Rezzola, S., Romano, M. R., & Costagliola, C. (2015). Diabetic Retinopathy: Vascular and Inflammatory Disease. Journal of Diabetes Research, 2015,1-16.
Tarr, J. M., Kaul, K. Chopra, M., Kohner, E. M., & Chibber, R. (2013). Pathophysiology of Diabetic Retinopathy. ISRN Ophthalmology, 2013, 1-13.