Identifikasi kanker paru-paru melalui analisis tekstur citra CT-Scan Thorax dengan metode Gray Level Run Length Matrix (GLRLM) dan Support Vector Machine (SVM)

ABSTRAK

Identifikasi kanker paru-paru melalui analisis citra CT-Scan thorax masih menghadapi kendala signifikan, terutama terkait dengan ketidakpastian interpretasi visual oleh tenaga medis sehinga perlunya pemrosesan citra. Untuk mengatasai permasalahan tersebut, dilakukan identifikasi citra ct-scan thorax menggunakan metode Gray Level Run Length Matrix (GLRLM) dan Support Vector Machine (SVM). Penelitian ini bertujuan untuk mengetahui sebaran validitas data (akurasi; presisi; sensitivitas; spesifisitas dan F1-Score) yang dihasilkan sistem metode GLRLM-SVM dalam mendeteksi kanker paru-paru. Serta untuk mengetahui karakteristik tekstur pada masing-masing citra (paru-paru normal, adenocarcinoma, squamous cell carcinoma, dan large cell carcinoma) berdasarkan ekstraksi fitur GLRLM. Metode yang digunakan meliputi ekstraksi fitur tekstur citra CT-Scan thorax dengan GLRLM diikuti oleh klasifikasi menggunakan SVM untuk membedakan citra kanker dan normal. Hasil pada penelitian menunjukan sebaran validitas 100% pada seluruh parameter (akurasi; presisi; sensitivitas; spesifisitas dan F1-Score). Perbedaan karakteristik tekstur terdapat pada citra paru-paru normal memiliki permukaan kasar dengan distribusi gray level heterogen, adenocarcinoma memiliki permukaan kasar dengan distribusi gray level homogen, squamous cell carcinoma memiliki permukaan halus dengan distribusi gray level homogen, dan large cell carcinoma memiliki permukaan halus dengan distribusi gray level heterogen.

ABSTRACT

The identification of lung cancer through the analysis of thorax CT-Scan images still faces significant obstacles, especially related to the uncertainty of visual interpretation by medical personnel and the need for image processing. To overcome these problems, the identification of thorax ct-scan images using Gray Level Run Length Matrix (GLRLM) and Support Vector Machine (SVM) methods was conducted. This study aims to determine the distribution of data validity (accuracy; precision; sensitivity; specificity and F1-Score) produced by the GLRLM-SVM method system in detecting lung cancer. As well as to determine the texture characteristics of each image (normal lung, adenocarcinoma, squamous cell carcinoma, and large cell carcinoma) based on GLRLM feature extraction. The method used includes extraction of texture features of thorax CT-Scan images with GLRLM followed by classification using SVM to distinguish cancer and normal images. The results showed a validity distribution of 100% on all parameters (accuracy; precision; sensitivity; specificity and F1-Score). Differences in texture characteristics are found in lung images normal has a rough surface with heterogeneous gray level distribution, adenocarcinoma has a rough surface with homogeneous gray level distribution, squamous cell carcinoma has a smooth surface with homogeneous gray level distribution, and large cell carcinoma has a smooth surface with heterogeneous gray level distribution.

مستخلص البحث

تحديد سرطان الرئة من خلال تحليل صور الأشعة المقطعية للصدر (CT-Scan) يواجه تحديات كبيرة، خاصة فيما يتعلق بعدم اليقين في تفسير البصريات من قبل الفريق الطبي، ولذا يتطلب معالجة الصور. للتغلب على هذه المشكلة، تم تنفيذ تحديد صور CT-Scan للصدر باستخدام طريقة مصفوفة مستوى الرماد (GLRLM) وآلة الدعم النوعي (SVM). هدفت هذه الدراسة إلى معرفة توزيع صحة البيانات (الدقة، الدقة الإيجابية، الحساسية، الخصوصية، ونقطة F1) التي تنتجها نظام طريقة GLRLM-SVM في كشف سرطان الرئة، ولفهم خصائص النسيج في كل صورة (الرئة الطبيعية، الورم الغددي، ورم الخلايا القشرية، وورم الخلايا الكبيرة) بناءً على استخراج ملامح GLRLM. الطريقة المستخدمة تتضمن استخراج ملامح نسيج صور الأشعة المقطعية للصدر بواسطة GLRLM، تليها عملية تصنيف باستخدام SVM للتمييز بين صور السرطان والصور الطبيعية. أظهرت النتائج في البحث توزيع صحة بنسبة %100 في جميع المعايير (الدقة، الدقة الإيجابية، الحساسية، الخصوصية، ونقطة F1). تختلف خصائص النسيج حيث يتمتع الرئة الطبيعية بسطح خشن وتوزيع غير متجانس لمستويات اللون الرمادي، بينما يتميز ورم الغدد بسطح خشن وتوزيع متجانس لمستويات اللون الرمادي، وورم الخلايا القشرية بسطح ناعم وتوزيع متجانس لمستويات اللون الرمادي، وورم الخلايا الكبيرة بسطح ناعم وتوزيع غير متجانس لمستويات اللون الرمادي.