Perpustakaan Digital ITB

Pembuluh darah retina merupakan salah satu fitur yang sering digunakan untuk mendeteksi gangguan pada sistem kardiovaskuler dan mata. Saat ini, proses segmentasi pembuluh darah retina dilakukan secara manual oleh dokter spesialis mata. Namun, proses segmentasi manual bersifat rentan menimbulkan variasi hasil baik dari faktor intra-pengamat maupun inter-pengamat. Selain itu, kesulitan dalam mendeteksi pembuluh darah berdiameter kecil juga menjadi tantangan mengingat kecenderungannya memiliki kontras yang rendah. Oleh karena itu metode segmentasi otomatis pada pembuluh darah retina diperlukan untuk mengurangi eror dan meningkatkan efisiensi pekerjaan. Dalam kurun waktu 5 tahun kebelakang, perkembangan kinerja metode unsupervised dalam kasus segmentasi pembuluh darah retina terlihat stagnan dengan evaluasi nilai sensitivitas di bawah 80%. Sehingga dalam tugas akhir ini, dilakukan segmentasi pembuluh darah retina secara otomatis menggunakan metode hybrid yang kemudian hasilnya diperbaiki dengan proses noise reduction. Metode hybrid dipilih untuk meningkatkan evaluasi nilai sensitivitas hasil segmentasi dengan menggabungkan keunggulan dari metode segmentasi yang sudah ada yaitu segmentasi berbasis filtering dan clustering. Metode hybrid yang digunakan antara lain operasi logika OR, sistem fuzzy logic, K-means clustering, logistic regression, dan SVM. Kemudian, performa kinerja metode hybrid dievaluasi pada 20 citra fundus retina yang berasal dari test set dataset DRIVE dengan menggunakan parameter akurasi (Acc), sensitivitas (Sen), dan spesifisitas (Spe). Hasil segmentasi pembuluh darah retina paling baik dicapai menggunakan metode hybrid logika OR dan noise reduction dengan rata-rata nilai akurasi 0.9394, sensitivitas 0.8133, dan spesifisitas 0.9516.