Pendeteksian Optik Disk dengan Operasi Morfologi Closing Menggunakan Fungsi Meshgrid pada Citra Retina

Erwin Erwin, Kms. M. Shofuan Khoiri, Dwi Sinta, Indah Kurnia Larasati

Abstract


Retinopati diabetik merupakan suatu penyakit yang dapat merusak jaringan pembuluh darah pada bagian retina mata. Jika tidak ditanggulangi penyakit ini dapat memicu kebutaan.  Oleh karena itu deteksi dini terhadap penyakit retinopati diabetic ini sangatlah penting. Kerusakan tersebut bisa diamati secara manual melalui  gambar fundus retina oleh dokter ahli mata (opthalmologist).Namun saat ini karena jumlah pasien penderita penyakit diabetes ini lebih banyak dari jumlah dokter ahli maka hal ini dapatlah menyulitkan dokter tersebut sehingga dibutuhkanlah suatu sistem otomatis yang dapat membantu seorang dokter dalam mendiagnosa penyakit ini. Terdapat beberapa bagian retina yang harus diamati untuk mendiagnosa apakah seseorang terserang retinopati diabetic atau tidak, salah satu nya ialah disk optic sehingga keberadaannya perlu dideteksi. Untuk mengatasi masalah tersebut dalam paper ini diusulkan suatu metode morfologi closing dengan fungsi meshgrid untuk mendeteksi disk optic sehingga dapat memberikan informasi penting yang dibutuhkan dengan tingkat akurasi sebesar 90% dengan menggunakan dataset STARE sebagai langkah untuk mendiagnosa penyakit diabetik retinopati agar tindakan penyembuhan dapat segera dilakukan.


Keywords


Diabetik Retinopati (DR), Optik Disk (OD), Morfologi closing, Meshgrid, Deteksi

Full Text:

PDF

References


M. N. Reza, “Automatic detection of optic disc in color fundus retinal images using circle operator,” Biomed. Signal Process. Control, vol. 45, pp. 274–283, 2018.

H. S. Alghamdi, H. L. Tang, S. A. Waheeb, and T. Peto, “Automatic Optic Disc Abnormality Detection in Fundus Images: A Deep Learning Approach,” pp. 17–24, 2016.

M. Islam, A. V. Dinh, and K. A. Wahid, “Automated Diabetic Retinopathy Detection Using Bag of Words Approach,” J. Biomed. Sci. Eng., vol. 10, no. 05, pp. 86–96, 2017.

J. Dash and N. Bhoi, “Detection of Retinal Blood Vessels from Ophthalmoscope Images Using Morphological Approach,” Elcvia, vol. 16, no. 1, pp. 1–14, 2017.

D. Siva Sundhara Raja and S. Vasuki, “Automatic detection of blood vessels in retinal images for diabetic retinopathy diagnosis,” Comput. Math. Methods Med., vol. 2015, pp. 8–12, 2015.

E. Imani, M. Javidi, and H. Pourreza, “Improvement of retinal blood vessel detection using morphological component analysis,” Comput. Methods Programs Biomed., vol. 118, no. 3, pp. 263–279, 2015.

D. Tri, S. Madenda, and R. R, “An Approach to Exudates Detection using Color Reference Segmentation in Retinal Fundus Image,” Int. J. Comput. Appl., vol. 146, no. 2, pp. 25–29, 2016.

N. Muangnak, P. Aimmanee, S. Makhanov, and B. Uyyanonvara, “Vessel transform for automatic optic disk detection in retinal images,” IET Image Process., vol. 9, no. 9, pp. 743–750, 2015.

J. Rahebi and F. Hardalaç, “A new approach to optic disc detection in human retinal images using the firefly algorithm,” Med. Biol. Eng. Comput., vol. 54, no. 2–3, pp. 453–461, 2016.

D. Deka, J. P. Medhi, and S. R. Nirmala, “Detection of macula and fovea for disease analysis in color fundus images,” 2015 IEEE 2nd Int. Conf. Recent Trends Inf. Syst. ReTIS 2015 - Proc., pp. 231–236, 2015.

Y. Guo, Ü. Budak, L. J. Vespa, E. Khorasani, and A. Şengür, “A retinal vessel detection approach using convolution neural network with reinforcement sample learning strategy,” Meas. J. Int. Meas. Confed., vol. 125, no. March, pp. 586–591, 2018.


Refbacks

  • There are currently no refbacks.