PERHITUNGAN NILAI BESARAN FISIS FILM HASIL PHOTO SINAR

1
PERHITUNGAN NILAI BESARAN FISIS FILM HASIL PHOTO SINAR-X
MAMMOGRAFI JENIS LESI GANAS DAN LESI JINAK KANKER
PAYUDARA.
1
Anak Agung Ngurah Gunawan,MT, 2I Nyoman Widana
1
Jurusan Fisika, FMIPA, UNUD, Kampus bukit jimbaran bali, Denpasar, 80364
e-mail: [email protected]
2
Jurusan Matematika, FMIPA, UNUD, Kampus bukit jimbaran bali, Denpasar, 80364, email: [email protected]
Abstrak
Artikel ini akan menghitung nilai besaran fisis yang terdapat pada film mammografi untuk membuat
model matematika untuk menentukan jenis lesi ganas dan lesi jinak kanker payudara. Ada 10 besaran
fisis yang terdapat pada film mammografi yang dapat membedakan jenis lesi ganas dan lesi jinak
pada kanker payudara antara lain : ketidakseragaman, kontras, keseragaman, homogenitas, korelasi,
nilai rata-rata, kerapatan, ketidakseragaman dari histogram orde dua, keseragaman dari histogram
orde dua, nilai rata-rata dari histogram orde dua. Nilai besaran fisis lesi ganas dan lesi jinak berbeda
sesuai dengan densitynya. Makin besar densitynya semakin banyak intensitas radiasi yang diserap.
Besar nilai besaran fisis untuk jenis lesi ganas adalah ketidakseragaman = 2.88442 - 3.88062 ,
kontras = 93.41245 - 5856.87788 , keseragaman = 0.00015 - 0.08280 , homogenitas = 0.01106 0.09094 , rata-rata = 83.48475 - 220.92240 , kerapatan = 13.44960 - 122.22053 , ketidakseragaman
dari histogram orde dua = 1.30425 - 2.10841 , keseragaman dari histogram orde dua = 0.00946 0.11134 , rata-rata dari histogram orde dua = 7.27355 - 50.84359 . Untuk jenis lesi jinak adalah
ketidakseragaman = 3.15769 - 21.21154 , kontras = 81.25652 - 3905.13158 , keseragaman = 0.00015
- 0.01013 , homogenitas = 0.01527 - 0.08977 , rata-rata = 71.55468 - 195.80523 , kerapatan =
12.05303 - 112.77408 , ketidakseragaman dari histogram orde dua = 1.28281 - 2.05756 ,
keseragaman dari histogram orde dua = 0.01051 - 0.06161 , rata-rata dari histogram orde dua =
7.10641 - 43.77752 . Dari Hasil riset ternyata nilai besaran fisis film antara jenis lesi ganas dan lesi
jinak kanker payudara ada perbedaan
Kata kunci : besaran fisis film, mammografi, lesi ganas, lesi jinak
1. Introduction
Banyak metoda deteksi dini breast cancer yang telah dipatenkan seperti
employing histogram peak detection (M.I. Sezan,at.al., 1988), histogram alteration
(R. Kumagai,1991), pixel mapping (M.E. Faulhaber,at.al.,1996), neural network (W.
Zhang,1996), contour (I.N. Bankman,at.al.,1996), wavelet filter dan artificial neural
networks (M. Kallergi, 2008), minimally invasive diagnosis and treatment (V.S.
2
Klimberg,at.al.,2010), morphological closing (D.H.Zhang,at.al.,2010), histological
analysis (G.Shafirrstein,at.al.,2010), blood vessel walls (S.Weinbaum,at.al.,2014).
Tetapi semuanya hanya mendeteksi keberadaan microcalcification saja, belum ada
yang menentukan jenis lesi ganas dan lesi jinak kanker payudara. Dalam penelitian
sebelumnya kami telah berhasil mengklasifikasi jenis histopatologi Infiltrating
Duktal Carcinoma dan Infiltrating Lobuler Carcinoma breast cancer dengan
menggunakan
parameter
physical
dengan
sensitivitas
86,36
%
(A.A.N.Gunawan,at.al.,2012). Kami juga telah berhasil menentukan tingkat
kesehatan payudara pada contra lateral menggunakan parameter physical dengan
sensitivitas 93,75 % (A.A.N.Gunawan,at.al.,2013). kami juga telah berhasil
menentukan
stadium
breast
cancer
dengan
sensitivitas
86,67
%
(A.A.N.Gunawan,2014). Dan kami juga telah berhasil Peningkatan pembacaan hasil
foto sinar-x mammografi pada penentuan jenis histopatologi breast cancer
menggunakan croping pola khusus dengan parameter physical dengan sensitivitas
97,5 % (A.A.N.Gunawan,at.al.,2014).
2. Bahan dan metoda.
Bahan.
Dalam penelitian ini menggunakan gambar hasil foto sinar-X mammografi sejumlah 120
buah, software Borland Delphi 7 dan IBM SPSS Statistik 20. Seting alat mammografi
menggunakan KV = 30, MAS = 25, brightness= -7, latitude = 11, contrast = - 4, ukuran film
= 18x24 cm.
Metoda .
Metode yang digunakan dalam penelitian ini adalah menghitung nilai besaran fisis
seperti ketidakseragaman, kontras, keseragaman, homogenitas, korelasi, nilai rata-rata,
kerapatan, ketidakseragaman dari histogram orde dua, keseragaman dari histogram orde dua,
nilai rata-rata dari histogram orde dua, kemudian dibuat model matematikanya untuk
menentukan lesi ganas dan lesi jinak kanker payudara. Dengan persamaan sebagai berikut :
(A.P. Dhawan,at.al.,1996)
:
................... (2.1)
........................................................... (2.2)
.............................................................. (2.3)
3
.................................................................... (2.4)
untuk yr ≠ yq.
................................................................................ (2.5)
...................................... (2.6)
……………………………………………………………………………….…………….(2.7)
................................. (2.8)
..................................... (2.9)
3. Hasil dan Pembahasan
3.1 Hasil
Gambar 1, 2, berturut turut adalah lesi ganas dan lesi jinak
(1)
(2)
Gambar (1) Lesi Ganas dan (2) Lesi Jinak.
Table 1. Range Nilai Besaran Fisis.
No
1
2
3
Besaran Fisis
Keseragaman
Homogenitas
Rata-rata
4
5
Kerapatan
Ketidakseragaman dari
Benign
0,00015 - 0.01013
0.01527 - 0.08977
71.55468 195.80523
18.84672 - 56.86512
1.32977 - 2.05756
Carcinoma
0.00013 - 0.08280
0.01106 - 0.39200
71.16284 - 220.92240
11.06751 - 93.33126
1.29424 - 2.14790
4
6
7
histogram ore dua
Keseragaman dari histogram
orde dua
Rata-rata dari histogram orde
dua
0.01051 - 0.05878
0.00806 - 0.11134
7.65163 - 43.77752
7.27355 - 55.92737
3.2 Pembahasan.
Besar nilai besaran fisis lesi ganas dan lesi jinak berbeda, sehingga dapat digunakan
untuk membedakan jenis lesi ganas dan lesi jinak. Dari hasil percobaan variabel besaran fisis
yang berbengaruh untuk membedakan jenis lesi ganas dan lesi jinak adalah adalah
keseragaman pada jarak antar piksel 9, 10, homogenitas pada jarak antar piksel
5,6,7,8,9,10, rata-rata, kerapatan, ketidakseragaman dari histogram orde dua, keseragaman
dari histogram orde dua, nilai rata-rata dari histogram orde dua, pada jarak antar piksel
1,2,3,4,5,6,7,8,9,10.
Model persamaan matematika untuk menentukan jenis histopatologi carcinoma dan
benign adalah sebagai berikut:
Z:= -17056.786 + 13939360.273*MA[9]
-14975532.439*MA[10] +
79507.135*MD[5] + 123275.512*MD[6] -52858.798 * MD[7] -29317.721*MD[8]
- 46033.962*MD[9] -84405.247*MD[10] -2616.686*MN[1] + 5924.284*MN[2] 3119.844*MN[3]
-453.778*MN[4] -1114.523*MN[5] + 3720.727*MN[6] 3618.971*MN[7] + 11.610*MN[8] + 2152.569*MN[9] - 885.095MN[10] 1327.391*D[1] + 2202.098*D[2] - 3.143*D[3] -3364.818*D[4] + 7916.137*D[5] 10676.240*D[6]
+ 6323.275*D[7] + 415.555*D[8]
-1671.692*D[9] +
197.645*D[10] + 23576.501*EH[1] + 7048.037*EH[2] -98617.823*EH[3] +
59177.808*EH[4] - 53465.845*EH[5] + 81134.008*EH[6] + 743.337*EH[7] 81311.924*EH[8] + 74475.699*EH[9] - 4742.767*EH[10] + 169258.070*MAH[1]
+ 31944.202*MAH[2]
-1083908.718*MAH[3] + 826751.786*MAH[4]
+
888282.531*MAH[5] - 918006.126*MAH[6]
-487749.444*MAH[7] 1455971.004*MAH[8]
+ 1382311.075*MAH[9] + 844659.147*MAH[10] 124.008*MHD[1] + 74.265*MHD[2] -744.240*MHD[3] + 1741.103*MHD[4] +
430.726*MHD[5] -116.272*MHD[6] -1461.422*MHD[7] -1022.368*MHD[8] +
894.912*MHD[9] + 346.808*MHD[10];
4. Ucapan terima kasih
Terimakasih kami ucapkan kepada pemerintah Indonesia yang sudah memberi
dana penelitian Fundamental melalui Rektor Universitas Udayana dan LPPM UNUD.
5
Dekan FMIPA Unud dan Ketua Jurusan Fisika FMIPA Unud yang telah memberikan
ijin penelitian. Terimakasih kami ucapkan kepada direktur RSUP Sanglah Denpasar,
RSUD. Dr. Soetomo Surabaya, dan RS. Primamedika Denpasar yang telah
memberikan ijin pengambilan data penelitian.
5. Kesimpulan
Besaran fisis hasil foto sinar-X mammografi mampu membedakan jenis lesi ganas dan
lesi jinak kanker payudara.
Pustaka
M.I.Sezan,Ralph Schaetzing,’ Digital image processing method employing histogram
peak detection’, Patent Number: US 4731863, 1988.
R.Kumagai, ‘Method for processing an image by histogram alteration’, Patent
Number: US 5077808,1991.
M.E.Faulhaber, Mark A. Momcilovich, ‘Raster image processing with pixel mapping
to allow image border density allocation’, Patent Number: US 5485281, 1996
W.Zhang, Kunio Doi,’ Method and system for the detection of microcalcifications in
digital mamiviograms’, Patent Number: US 5491627, 1996
I.N.Bankman, William A. Christens-Barry,’ Method and system for automated
detection of microcalcification clusters in mammograms’, Patent Number: US
5574799,1996.
M.Kallergi,’ Computer aided diagnosis of mammographic microcalcification
clusters’, Patent Number: US 7430308 B1, 2008.
V.S.Klimberg, sohelia Korourian, Steven Harms, Gal Shafirstein,’ Minimally
invasive diagnosis and treatment for breast cancer’, , Patent Number: US 7769432
B2, 2010
6
D.H.Zhang, Patrick B. Heffeman, Yue Shen,’ Computer aided detection of
microcalcification clusters’, Patent Number: US 7848555 B2, 2010
G.Shafirrstein, XiaoWei Xu, Mutlu Mete,’ Image processing apparatus and method
for histological analysis’, Patent Number: US 7853089 B2, 2010.
S.Weinbaum, Yuliya Vengrenyuk, Luis Cardoso, Lucas Parra, Stephane Carlier,
Sawas Xanthos,’ System and method for in vivo imaging of blood vessel walls to
detect microcalcifications’, Patent Number: US 8,882,674 B2, 2014
A.A.N. Gunawan, Suhariningsih, K.S.P. Triyono, and B. Widodo, Determination of
physical parameter model for the photo film mammographic X-ray results on the
breast cancer histology classification, International Journal Of Contemporary
Mathematical Sciences 45 (7) (2012) 2235-2244.
A.A.N. Gunawan, Suhariningsih, K.S.P. Triyono, and Yasin, Conversion of Images
into Numerical Models to Determine the Condition of Breast Health on
Contralateral, Applied Mathematical Sciences, 7(104) (2013) 5185-5191.
A.A.N. Gunawan, A Novel Model Determination of Breast Cancer Stage Using
Physical Parameter, Far East Journal of Matematical Sciences, 87 (1) (2014) 2335.
A. A. N. Gunawan, W. Supardi, I. B. Gede Dharmawan. Readability Increase Of
Mammography X-Ray Photos Results In Determining The Breast Cancer
Histopathology Types Using Special Pattern Cropping With Physical Parameter,
Advances in Applied Physics, 2 (1) (2014) 43-52.
A.P.Dhawan, Y. Chitre, C.K. Bonasso and M. Moskowits, Analysis of
Mammographic Microcalcifications Using Gray Level Image Structure Feature,
IEEE, Trans. Medical Imaging vol.15, no.3, pp.246-257, 1996