Deteksi Tuberculosis Paru-Paru Pada Citra Chest X-Ray Menggunakan Fitur Gray Level Co-Occurrence Matrix (GLCM) Yang Teroptimasi Dengan Metode Principal Component Analysis

Junaedi, Imam and Dr.Ir.Erni Yudaningtyas, M.T. and Rahmadwati, S.T., M.T., Ph.D. (2019) Deteksi Tuberculosis Paru-Paru Pada Citra Chest X-Ray Menggunakan Fitur Gray Level Co-Occurrence Matrix (GLCM) Yang Teroptimasi Dengan Metode Principal Component Analysis. Magister thesis, Universitas Brawijaya.

Abstract

Tuberkulosis (TB) adalah penyakit menular yang mematikan disebabkan oleh Mycobacterium Tuberculosis (MTB). Rontgen dada (CXR) citra telah menjadi alat utama untuk mendeteksi TB paru secara historis. Gambar CXR dianalisis oleh ahli radiologi untuk mengetahui ada atau tidaknya tanda-tanda TBC pada paru-paru. Itu hasil analisis oleh ahli radiologi dalam menganalisis gambar CXR dipengaruhi oleh subjektivitas ahli radiologi, seperti: pengalaman dari ahli radiologi, kondisi pengamatan, kelelahan, dan lain-lain. Faktor subjektivitas ahli radiologi dapat diatasi dengan sistem diagnosis berbantuan komputer. Kertas ini mengusulkan sistem deteksi TB pada gambar CXR menggunakan dioptimalkan Fitur Gray Level Co-Occurrence Matrix (GLCM) sebagai memasukkan. GLCM dioptimalkan menggunakan Komponen Utama Analisis (PCA) dan kemudian diklasifikasikan menggunakan Support Vector Mesin (SVM). Dalam makalah ini, gambar CXR diklasifikasikan sebagai: normal, TB primer (PTB) dan TB sekunder (STB). Itu hasil dari makalah ini menunjukkan bahwa sistem klasifikasi dengan GLCM yang dioptimalkan sebagai input memiliki kinerja yang lebih baik daripada sistem klasifikasi dengan GLCM reguler sebagai input. Itu sistem klasifikasi dengan GLCM yang dioptimalkan sebagai input dalam 8- uji validasi silang lipat memiliki akurasi 100% untuk kelas normal, 98,72% untuk kelas PTB dan 98,72% untuk kelas STB kelas.

English Abstract

Tuberculosis (TB) is a deadly infectious disease caused by Mycobacterium Tuberculosis (MTB). Chest X-ray (CXR) image has been the main tool for detecting lung TB historically. CXR images are analyzed by radiologists to determine whether or not there are signs of TB in the lungs. The results of the analysis by radiologists in analyzing CXR images are influenced by the subjectivity of radiologists, such as experience from radiologists, conditions of observation, fatigue, and others. The subjectivity factor of the radiologist can be overcome by the computer aided diagnosis system. This paper proposed a TB detection system on CXR images using optimized Gray Level Co-Occurrence Matrix (GLCM) features as the input. GLCM is optimized using the Principal Component Analysis (PCA) and then classified using the Support Vector Machine (SVM). In this paper, CXR images were classified as normal, primary TB (PTB) and secondary TB (STB). The results of this paper indicate that the classification system with optimized GLCM as input has better performance than the classification system with regular GLCM as input. The classification system with optimized GLCM as input in the 8- fold cross validation test has an accuracy of 100% for the normal class, 98.72% for the PTB class and 98.72% for the STB class.

Item Type:	Thesis (Magister)
Identification Number:	TES/616.995 028 5/JUN/d/2019/041904856
Uncontrolled Keywords:	computer aided diagnosis, tuberculosis (TB), gray level co-occurrence matrix (GLCM), principal component analysis (PCA), support vector machine (SVM)
Subjects:	600 Technology (Applied sciences) > 616 Diseases > 616.9 Other disease > 616.99 Tumors and miscellaneous communicable diseases > 616.995 Tuberculosis > 616.995 028 5 Computer applications
Divisions:	S2/S3 > Magister Teknik Elektro, Fakultas Teknik
Depositing User:	soegeng sugeng
Date Deposited:	10 Oct 2022 01:48
Last Modified:	10 Oct 2022 01:48
URI:	http://repository.ub.ac.id/id/eprint/195454

Text Imam Junaedi.pdf Download (3MB)

Actions (login required)

View Item