Klasifikasi Glaucoma Menggunakan Cup-To-Disc Ratio dan Neural Network

Abstract

Glaucoma adalah penyebab utama kebutaan dunia, terhitung 12,3% kebutaan permanen menurut Organisasi Kesehatan Dunia. Penyakit ini khususnya prevalent di Asia, sampai lebih dari 50% kasus glaucoma total ditemukan di daerah ini. Sekalipun kerusakan glaucoma tidak bisa balik, penelitian menunjukkan deteksi awal dapat efektif memperlambat atau menghentikan atropy glaucoma. Rasio ukuran optic cup terhadap optic disc (CDR), dikenal sebagai indkator penting assessmen glaucoma, apabila perkembangan glaucoma berkaitan dengan excavation berkembang dari optic cup. CDR yang diukur secara manual dapat menjadi subyektif, membatasi penggunaan screening terhadap deteksi awal. Sistem deteksi otomatis dengan menghitung CDR memberikan pengukuran yang cepat, obyektif dan konsisten. Sistem terdiri dari sederetan tahapan. Pertama, optic yang merupakan region of interest, diextraksi dengan analisis intensitas pixel. Deteksi tepi Canny silanjutnya digunakan untuk segmentasi optic disc. Segmentasi optic lebih menantang disebabkan karena keberadaan pembuluh darah dan tissue di sekeliling retina. Extraksi fitur dengan parameter geometrik kepala syaraf optik, seperti luasan disc, cup dan rambut syaraf (rim), diameter disc dan cup to disc ratio diextrak dari citra fundus digital, digunakan untuk mendiagnosa dan mengukur perkembangan glaucoma. Parameter geometrik mengukur perubahan struktur kepala syaraf optik seperti diameter optic disc, luasan optic disc, diameter cup, luasan rambut syaraf, dan rata-rata kedalaman cup. Klasifikasi menjadi mild glaucoma, moderate glaucoma dan severe glaucoma menggunakan neural network algoritma backpropagation. Dari simulasi menggunakan MATLAB R2014, hasil pelatihan didapat arsitektur Neural Network terbaik memiliki arsitektur sebagai berikut: jumlah neuron lapisan input adalah1, jumlah neuron hidden layer 1 adalah 30, jumlah neuron hidden layer 2 adalah 20, jumlah neuron lapisan output adalah 3, toleransi error adalah 10 -5 , eppoch maksimum 20000, nilai learning-rate dan momentum adalah 0,5 dan 0,7. Dari pengujian yang dilakukan, klasifikasi mild glaucoma didapatkan akurasi 99%, sensitivitas 99%, spesifitas 97%, moderate glaucoma didapat akurasi 85%, sensitivitas85%, spesifitas 99%, dan severe glaucoma didapat akurasi akurasi 99%, sensitifitas 99%, spesifitas 98%. Dari hasil GUI yang telah divalidasi oleh dokter di d Rumah Sakit Mata Nasional Cicendo Bandung dan Eye Centre Kedoya Jakarta, didapat kesimpulan bahwa sistem dapat membantu dokter dalam menentukan tingkatan glaucoma pasien.