Diagnosa merupakan tahap paling awal yang dilakukan oleh seorang dokter sebelum menentukan pengobatan yang tepat untuk pasien. Diagnosa dilakukan dengan mengumpulkan berbagai informasi terkait dengan kondisi pasien, salah satunya informasi yang didapatkan dari citra medis seperti citra MRI, USG dan CT Scan. Untuk sebagian kasus, citra yang digunakan tidak hanya terbatas pada citra dua dimensi saja, namun juga menggunakan citra tiga dimensi untuk mendapatkan hasil diagnosa yang lebih akurat.
Salah satu citra yang dapat direkonstruksi menjadi citra tiga dimensi adalah citra CT Scan yang memiliki beberapa lapisan citra panoramic. Namun seringkali citra tiga dimensi yang digunakan masih memiliki banyak noise dan belum terekonstruksi dengan baik, yang akan mempersulit proses diagnosa dan analisa kasus medis. Citra yang tidak terekonstruksi dengan baik ini dapat disebabkan oleh kelemahan dari proses segmentasi yang digunakan.
Proses segmentasi merupakan proses awal yang berperan penting dalam melakukan pemisahan objek dengan akurat. Ketidakakuratan proses segmentasi dapat menjadi kelemahan untuk proses selanjutnya, sehingga diperlukan pertimbangan untuk menggunakan metode segmentasi yang tepat untuk mendapatkan hasil yang akurat. Salah satunya adalah metode otsu thresholding yang dinilai merupakan metode yang paling efektif dalam menentukan nilai ambang dan cukup akurat untuk segmentasi citra.
Citra CT Scan juga memiliki nilai khusus yang dinamakan Hounsfield unit (HU), yang memiliki rentang skala yang jauh lebih besar dibandingkan citra grayscale yang umum digunakan dalam segmentasi. Hounsfield unit (HU) terdiri dari 4096 intensitas abu-abu, sementara grayscale hanya memiliki 256 intensitas abu-abu. Sehingga nilai HU menjadi salah satu alternatif yang dapat dimanfaatkan dalam pengolahan citra medis.
Kombinasi metode Otsu Thresholding yang berdasarkan pada nilai ambang, dengan nilai Hounsfield unit (HU) akan menjadi input untuk proses segmentasi dapat dipertimbangkan untuk meningkatkan kualitas hasil segmentasi. Kualitas hasil segmentasi yang baik dapat meningkatkan keakuratan hasil rekonstruksi citra tiga dimensi, sehingga dapat membantu dokter untuk mendapatkan hasil diagnosa yang lebih akurat.
Data penelitian yang digunakan berupa citra hasil rekam medis CT Scan dengan total 30 data. Data tersebut adalah citra CT Scan bagian thorax, yang lebih dikenal dengan rongga dada, dari satu pasien yang memiliki riwayat penyakit paru-paru. Data citra yang digunakan menggunakan format DICOM, yang merupakan standar teknologi global dalam menyimpan informasi data digital yang digunakan oleh dunia medis.
Penelitian dilakukan dengan langkah awal melakukan pembacaan informasi dari citra CT Scan menggunakan software RadiAnt DICOM Viewer. Pada tahap ini didapatkan nilai Hounsfield Unit (HU) dari keseluruhan citra dan organ yang akan disegmentasikan, yakni jantung. Nilai HU ini akan dijadikan input untuk proses segmentasi jantung menggunakan pemrograman Python.
Proses segmentasi dimulai dengan mendapatkan ROI (Range of Interest) dengan cara melakukan crop atau memotong bagian citra yang diinginkan. Selanjutnya dilakukan penyeleksian citra berdasarkan nilai HU yang dimiliki oleh jantung. Kemudian dilakukan proses deteksi tepi untuk mendapatkan garis batas yang jelas antara jantung dengan organ lainnya.
Selanjutnya, segmentasi dilakukan dengan menggunakan metode Otsu Thresholding dengan menggunakan penentuan nilai ambang T secara otomatis berdasarkan citra masukan. Penentuan nilai ambang T ini berasal dari persebaran nilai HU yang memiliki rentang nilai sebesar 4096 yang berkisar antara -1000 hingga 3095. Selanjutnya akan dilakukan penggabungan (replace) citra-citra yang merupakan hasil dari pengolahan yang telah dilakukan sebelumnya.
Untuk sentuhan akhir, akan dilakukan operasi morfologi berupa opening dan closing untuk hasil akhir dari penggabungan tersebut. Bagian ini bertujuan untuk menyeleksi bagian yang tidak diinginkan atau noise yang masih tersisa dari segmentasi sebelumnya, serta menutup hole pada area yang tersegmentasi. Sehingga akan didapatkan hasil akhir berupa citra jantung yang telah tersegmentasi.
Hasil yang didapatkan melalui perhitungan balanced accuracy untuk setiap citra hasil segmentasi adalah rata-rata balanced accuracy sebesar 72.54% untuk hasil segmentasi jantung. Balanced accuracy tertinggi didapatkan oleh data 4 sebesar 77.43%, dan yang terendah didapatkan oleh data 29 sebesar 69.1%. Hasil ini menunjukkan bahwa metode segmentasi citra CT Scan berbasis nilai Housfield Unit mampu meningkatkan kualitas citra hasil segmentasi sehingga dapat meningkatkan keakuratan hasil citra yang akan direkonstruksi menjadi citra tiga dimensi.
Penulis: Dr. Riries Rulaningtyas, S.T, M.T.
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
https://iopscience.iop.org/article/10.1088/1742-6596/1816/1/012080
Katherine, Riries Rulaningtyas, Khusnul Ain, “CT scan image segmentation based on Hounsfield unit values using Otsu thresholding method”
Journal of Physics: Conference Series, 1816 (2021) 012080
