Analisis tekstur citra tulang lutut dengan metode Segmentation Based Fractal Analysis (SFTA) dan Support Vector Machine (SVM) untuk deteksi oteoporosis.

INDONESIA :

Osteoporosis adalah penyakit yang menyebabkan penurunan kepadatan mineral dan kerusakan struktur trabekula sehingga meningkatkan risiko fraktur. Metode standar seperti DEXA masih terbatas biaya dan akses, sehingga diperlukan pendekatan berbasis analisis citra. Penelitian ini menganalisis tekstur citra X-Ray tulang lutut menggunakan metode SFTA untuk ekstraksi fitur (dimensi fraktal, mean dan area) serta SVM untuk klasifikasi tiga kondisi tulang : normal, osteopenia dan osteoporosis. Sebanyak 291 citra digunakan yang terdiri dari 246 data training dan 45 data testing. Setelah melalui tahapan cropping ROI, grayscalling, segmentasi dan ekstraksi fitur, maka model SVM dievaluasi menggunakan confusion matrix. Hasil menunjukkan perbedaan tekstur yang jelas antar kelas dan model SVM berhasil mengklasifikasikan seluruh data testing dengan akurasi, presisi, recall, spesifitas, dan F1-Score mencapai 100%. Kombinasi SFTA dan SVM terbukti efektif sebagai metode alternatif deteksi dini osteoporosis.

ENGLISH :

Osteoporosis is a disease that causes a decrease in bone mineral density and damage to the trabecular structure, thereby increasing the risk of fractures. Standard methods like DEXA are still limited by cost and access, making an image analysis-based approach necessary. This study analyzes the texture of knee bone X-ray images using the SFTA method for feature extraction (fractal dimension, mean, and area) and SVM for classifying three bone conditions: normal, osteopenia, and osteoporosis. A total of 291 images were used, consisting of 246 training data and 45 testing data. After going thru the stages of ROI cropping, grayscaling, segmentation, and feature extraction, the SVM model was evaluated using a confusion matrix. The results show clear textural differences between classes, and the SVM model successfully classified all testing data with 100% accuracy, precision, recall, specificity, and F1-score. The combination of SFTA and SVM proved effective as an alternative method for early osteoporosis detection.

ARABIC :

هشاشة العظام هي مرض يسبب انخفاض كثافة المعادن وإتلاف بنية التربيق، مما يزيد من خطر الكسور. الأساليب القياسية مثل DEXA ما تزال محدودة من حيث التكلفة والوصول، لذا هناك حاجة إلى نهج يعتمد على تحليل الصور. تبحث هذه الدراسة في نسيج صور الأشعة السينية لعظم الركبة باستخدام طريقة SFTA لاستخراج الخصائص (البعد الكسري، المتوسط والمساحة) وSVM لتصنيف ثلاث حالات للعظام: طبيعية، نقص المعادن العظامي، وهشاشة العظام. تم استخدام ما مجموعه 291 صورة، منها 246 بيانات تدريب و45 بيانات اختبار. بعد مراحل اقتصاص منطقة الاهتمام، تحويل اللون إلى درجات الرمادي، التجزئة واستخراج الخصائص، تم تقييم نموذج SVM باستخدام مصفوفة الالتباس. أظهرت النتائج فرقًا واضحًا في النسيج بين الفئات، ونجح نموذج SVM في تصنيف جميع بيانات الاختبار بدقة، ودقة استدعاء، وتخصيص، وقيمة F1 وصلت إلى 100%. أثبت الجمع بين SFTA وSVM فعاليته كطريقة بديلة للكشف المبكر عن هشاشة العظام.