Identifikasi Osteoporosis melalui Bone Radiograph Menggunakan Evolving Multilayer Perceptron

v

ABSTRAK

Osteoporosis merupakan penyakit yang ditandai dengan penurunan kepadatan mineral
tulang. Osteoporosis merupakan penyebab umum patah tulang untuk orang yang
lanjut usia. Saat ini identifikasi osteoporosis masih dilakukan secara manual oleh
pakar Rheumatologi melalui citra hasil X-Ray, sehingga hasil identifikasi tergantung
dari keahlian dan pengalaman pakar Rheumatologi mengenai osteoporosis. Oleh
karena itu diperlukan suatu pengolahan citra pada citra bone radiograph untuk
membantu dokter atau ahli rheumatologi dalam mendiagnosis osteoporosis. Tujuan
dari penelitian ini adalah untuk membangun suatu sistem Computer Aided Diagnosis
(CAD) menggunakan Simple Evolving Connectionist Systems (SECoS) atau disebut
juga Evolving Multilayer Perceptrons (eMLP) untuk membantu ahli rheumatologi
dalam menganalisis citra bone radiograph, membantu mencegah peningkatan jumlah
kesalahan klasifikasi yang mungkin terjadi. Evolving multi layer perceptron
merupakan algoritma multi layer perceptron pada jaringan syaraf tiruan yang telah
mengimplementasikan konsep dari Evolving Connectionist System (ECOS). Algoritma
ini dapat mengembangkan struktur jaringannya sendiri sesuai dengan input yang
diterima. Teknik pengolahan citra digital akan diterapkan untuk meningkatkan
kualitas citra. Ekstraksi fitur tekstur dari citra dilakukan dengan menggunakan Gray

Level Co-occurrence matrix (GLCM) yang dibangun dengan empat arah yang berbeda
untuk setiap citra. Hal ini akan digunakan untuk mengklasifikasi setiap citra dan
kemudian akan dikelompokkan ke dalam kategori normal atau osteoporosis. Tiga
lapisan jaringan dari Simple Evolving Connectionist Systems (SECoS) dengan 16 fitur
diusulkan untuk mengklasifikasikan daerah yang ditandai ke dalam normal atau
osteoporosis. Berdasarkan pengujian dataset bone radiograph diperoleh sensitivitas
84.61% dan spesifisitas 90.90%.

Kata kunci: osteoporosis, identifikasi, bone radiograph, evolving connectionist
systems,evolving multilayer perceptrons.

Universitas Sumatera Utara

vi

OSTEOPOROSIS IDENTIFICATION ON BONE RADIOGRAPH USING
EVOLVING CONNECTIONIST SYSTEMS

ABSTRACT

Osteoporosis is a disease characterized by decreased bone mineral density.
Osteoporosis identification from radiograph image can be done by various methods,
one of them is the measurement of Bone Mineral Densitometry (BMD). However, this
method requires comprehensive and expensive equipment and therefore, a cheaper
and easier approach is needed. The purpose of this study is to build an Evolving
Multilayer Perceptron (eMLP) system to help rheumatologists in analysing bone
radiograph images and help preventing classification errors that may occur. Digital
image processing techniques will be applied to improve the image quality. Each bone
radiograph images is adjusted for intensity transformation, then median filtering to
remove noise and Contrast Limited Adaptive Histogram Equalization (CLAHE) is
applied to each bone radiograph images to enhance image contrast. Texture feature
extraction of bone radiograph images is done using Grey Level Co-occurrence matrix
(GLCM) built with four different directions for each bone radiograph images. This
will be used to classify each bone radiograph images either normal category or
osteoporosis. Three network layers from Simple Evolving Connectionist Systems
(SECoS) with 16 features proposed to classify the area marked into normal or
osteoporosis. Based on the bone radiograph dataset testing, the results show 84.61%
of sensitivity and 90.90% of specificity.
Keyword:

osteoporosis,

bone

radiograph,

evolving

connectionist

systems,

identification, evolving multilayer perceptrons.

Universitas Sumatera Utara