21. Prosiding Agus Zainal Arifin-OK-PRINT - MMT – ITS

Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
IDENTIFIKASI PENYAKIT PERIODONTITIS KRONIS PADA
CITRA DENTAL PANORAMIC DENGAN ALGORITMA LINE
STRENGTH DAN LINE TRACKING
Agus Zainal Arifin, Anny Yuniarty, dan Imam Cholissodin
Fakultas Teknologi Informasi
Institut Teknologi Sepuluh Nopember (ITS)
Email: [email protected], [email protected], [email protected]
ABSTRAK
Periodontitis kronis merupakan suatu penyakit peradangan pada jaringan
periodontal. Proses deteksi penyakit ini biasanya dilakukan secara klinis, namun jika
dilakukan secara kasat mata dari citra dental panoramic radiographs, penyakit ini
sangat sulit dideteksi.
Dalam penelitian ini akan dibangun sebuah sistem computer vision untuk
pendeteksian penyakit periodontitis kronis. Proses deteksi diawali dengan menggunakan
algoritma line strength untuk mendeteksi pola garis pada citra dengan sudut tertentu.
Selanjutnya dilakukan proses line tracking sebagai metode integrasi untuk melacak
garis dari setiap piksel pada citra dengan diameter tertentu.
Data uji coba diperoleh dari hasil kerjasama dengan Institute of Tropical Disease
(ITD) Universitas Airlangga. Data tersebut terdiri dari 20 citra dental panoramic
radiographs dengan identifikasi klinis yang telah dilakukan oleh dokter spesialis gigi.
Dari hasil uji coba didapatkan nilai akurasi 95%, sensitivity 100%, dan specificity 50%.
Kata kunci: Line Strength, Line Tracking, Periodontitis Kronis, Dental Panoramic
Radiographs.
PENDAHULUAN
Gigi merupakan salah satu bagian dari tubuh manusia yang unik, karena menjadi
satu-satunya bagian tubuh yang mirip tulang dan letaknya berada di dalam rongga mulut
serta terlihat menonjol. Para dokter ahli di bidang gigi telah melakukan berbagai macam
analisa secara medis tentang gigi, mengingat betapa pentingnya peran dari gigi,
terutama pada dental panoramic radiographs. Hubungannya adalah ketika para pakar
mencoba melakukan beberapa macam diagnosa penyakit, ternyata banyak yang identik
dengan kondisi dari gigi seseorang pasien. Artinya bahwa kualitas kesehatan gigi
seorang pasien dengan diagnosa beberapa penyakit yang diderita mempunyai hubungan
timbal balik yang selaras. Hal inilah yang mendorong banyak peneliti medis maupun
non medis untuk melakukan pengkajian lebih jauh tentang diagnosa penyakit dari citra
gigi. Sehingga wajar jika dental panoramic radiographs sangat sering diambil dari
pasien untuk keperluan diagnosis oleh para dokter gigi (H. Devlin dkk, 2007). Dalam
kasus nyata telah dibuktikan, bahwa banyak informasi yang bisa didapatkan dari
mandible (rahang), baik yang terkait dengan penyakit rongga mulut, gigi, osteoporosis,
dan jantung.
Hampir setiap tahun, akan ada metode baru yang berusaha untuk melakukan
perbaikan dari penelitian-penelitian sebelumnya. Dalam hal ini, pengolahan citra digital
akan mendapat perhatian khusus untuk digunakan sebagai teknik menganalisa citra gigi.
Dimulai dari proses pengambilan citra, kemudian diproses dengan metode tertentu
sehingga dihasilkan suatu nilai yang nantinya akan digunakan untuk pengambilan
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
keputusan. Hasil akhirnya berupa nilai akurasi, sensitivity dan specificity. Penelitian
pengolahan citra digital yang memanfaatkan dental panoramic radiographs telah
dilakukan sebelumnya (Arifin A Z dkk, 2005). Analisa penelitian tersebut dilakukan
pada bagian tepi mandibles cortex dan digunakan untuk mengevaluasi bentuk cortex.
Periodontitis adalah peradangan atau infeksi pada jaringan periodontal. Jaringan
periodontal adalah jaringan di sekitar perlekatan gigi yang mempunyai fungsi
menyangga gigi. Jaringan ini terdiri dari gingiva, sementum, ligamen periodontal dan
tulang alveol. Penyebab dari periodontitis adalah banyak faktor. Adapun tanda klinis
dari periodontitis adanya inflamasi gingiva dan perdarahan, poket, resesi gingiva,
mobilitas gigi, migrasi gigi, nyeri, kerusakan tulang alveol. Periodontitis dibagi menjadi
dua yaitu periodontitis kronis dan periodontitis agresif. Periodontitis kronis biasanya
terjadi pada usia dewasa, perjalanan penyakitnya lambat, penyebabnya adalah faktor
lokal. Gambaran radiografi pada periodontitis kronis yaitu tampak adanya kerusakan
tulang horizontal. Periodontitis agresif biasanya terjadi pada usia muda, dibawah usia 30
tahun, perjalanan penyakitnya cepat, penyebabnya dari respon imun. Gambaran
radiografi periodontitis agresif yaitu tampak adanya kerusakan tulang vertikal, angular
(Carranza dkk, 2006).
Menopause adalah pertanda berhentinya siklus reproduksi normal atau
berhentinya siklus menstruasi seorang wanita karena produksi dan fungsi hormon
wanita untuk mengatur menstruasi mengalami penurunan secara alamiah
(Wijayakusuma H, 2003). Menopause dalam jangka panjang dapat menyebabkan
terjadinya osteoporosis. Osteoporosis yang telah disetujui oleh WHO ialah suatu
gangguan tulang sistemik yang karakteristik dengan massa tulang yang rendah dan
perubahan mikroasitektur jaringan tulang dengan konsekuensi meningkatnya fragilitas
tulang dan meningkatnya kerentanan terjadinya patah tulang. Karena itu sangatlah
penting untuk mengidentifikasi seseorang yang mempunyai risiko besar menderita
osteoporosis sehingga dapat dilakukan berbagai tindakan pencegahan dan pengobatan
yang efektif (Irwanashari, 2009). Osteoporosis tidak hanya terjadi pada tulang di tubuh
saja tetapi juga terjadi pada tulang rahang. Untuk melihat osteoporosis pada tulang
rahang dapat dilakukan pemeriksaan radiografi panoramik. Gambaran radiografi
panoramik pada osteoporosis tulang rahang yaitu tampak adanya erosi korteks inferior
mandibula dan kepadatan mineral tulang. Ini dapat menjadi indikator yang berguna
untuk melihat osteoporosis pada tulang rahang (Balcikonyte E dkk, 2004).
Dalam penelitian ini, kami mengusulkan sebuah metode line strength dan line
tracking untuk melakukan deteksi kepadatan tulang dibawah akar gigi, tepatnya
disebelah kanan dan kiri foramen. Dan masing-masing foramen akan diambil region
kanan dan kiri untuk dilakukan penghitungan kepadatan tulang. Sehingga didapatkan
empat buah region pada setiap citra dental panoramic radiographs. Proses deteksi
diawali dengan proses deteksi linear structure untuk menghasilkan line strength.
Karena belum optimalnya hasil deteksi linear structure pada saat penentuan nilai line
strength berdasarkan nilai maksimal dari penghitungan strength, sehingga perlu
digunakan metode lain yang mampu melakukan penentuan nilai maksimal untuk hasil
line strength berdasarkan metode line tracking, yaitu dengan memberikan nilai
kepercayaan untuk setiap piksel yang dilacak dengan parameter sudut dan diameter
tertentu yang kemudian akan dilakukan proses penilaian untuk setiap setiap piksel yang
dilacak. Selanjutnya diberikan nilai kepercayaan untuk piksel yang mempunyai nilai
bobot paling tinggi dan melebihi threshold yang telah ditetapkan. Hal ini diharapkan
agar sistem mampu membedakan mana piksel yang merupakan garis dan yang bukan
garis.
Tujuan penelitian ini adalah membangun sistem computer vision yang mampu
mengukur linear structure pada trabecular bone dan melakukan deteksi penyakit
ISBN : 978-602-97491-3-7
C-21-2
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
periodontitis kronis pada penderita menopause melalui citra dental panoramic
radiographs.
METODOLOGI PENELITIAN
Gaussian Pyramid
Lowpass pyramid (Gaussian Pyramid) adalah pemrosesan sebuah citra dimana
sebuah citra akan diperhalus dan di-subsampling secara berangsur-angsur sebanyak nilai
level yang diinginkan. Nilai density dan resolusi citra tersebut akan berkurang dari level
ke level dan jika diilustrasikan akan seperti sebuah piramida. Semakin tinggi level yang
digunakan maka semakin kecil pula ukuran citra yang dihasilkan. Pada level yang
paling kecil, citra yang dihasilkan akan memiliki resolusi yang paling tinggi, sebaliknya
pada level yang paling tinggi maka citra yang dihasilkan akan memiliki nilai resolusi
paling rendah.
Gambar 1. merupakan citra hasil dari operasi lowpas pyramid dengan beberapa
level, G0 adalah citra hasil dari level nol atau sama dengan citra asli, untuk
menghasilkan citra G1, pada citra G0 dilakukan proses lowpass-filtered dan kemudian
dilanjutkan dengan subsampling, jika citra G0 mempunyai ukuran i x j, maka ukuran
citra G1 menjadi i/2 x j/2. Proses yang sama dilakukan untuk mendapatkan G2, G3 dan
seterusnya (Peter J. Burt dan Edward H. Adelson, 1983).
Gambar 1. Proses Gaussian Pyramid, (a) Reduce, (b) Expand
Integrasi Metode Line Strength dengan Line Tracking Berbasis Multiscale
Pembentukan citra line strength telah dikembangkan sesuai dengan metode pada
penelitian sebelumnya (R. Zwiggelaar dkk, 2004). Namun perbedaan yang paling
menonjol dengan penelitian ini adalah terletak pada pembuatan desain sistem yang
digunakan untuk mendeteksi pola garis pada citra hasil Gambar 1. dengan arah sudut
tertentu dan diameter garis tertentu.
Proses awal integrasi metode line tracking adalah mendapatkan delapan tetangga
dari setiap satu piksel pada matrik gambar secara bersamaan (karena berada dalam satu
matrik) sesuai dengan Gambar 2. berdasarkan delapan arah sudut, yaitu 0º, 45º, 90º,
135º, 180º, 225º, 270º dan 315 º. Kemudian menghitung nilai VL(Cross Sectional) dari
setiap delapan tetangga dari setiap satu piksel pada matrik gambar secara langsung
berdasarkan delapan arah sudut. Berikut penghitungan VL setiap pikselnya.
ISBN : 978-602-97491-3-7
C-21-3
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
I ( x  1, y  w)  I ( x  1, y  w)  2I ( x  1, y)
I ( x  w, y  1)  I ( x  w, y  1)  2I ( x, y  1)

VLx, y   
 I ( x  1  w, y  1  w)  I ( x  1  w, y  1  w)  2I ( x  1, y  1)
 I ( x  1  w, y  1  w)  I ( x  1  w, y  1  w)  2I ( x  1, y  1)
(1)
di mana I(x,y) adalah intensitas grayscale sesuai dengan alamat setiap piksel pada
matrik citra. Kemuadian w adalah diameter tracking pola garis dari satu piksel ke piksel
yang lain. Penghitungan VL ini didasarkan pada arah sudut yang dilacak.
Gambar 2. Inisialisasi Parameter Line Tracking.
Langkah kedua adalah menampung hasil nilai VL yang paling maksimum dan
sekaligus menampung satu dari delapan arah sudut tersebut yang mempunyai VL yang
paling maksimum dan mengecek piksel mana saja mempunyai VLMax > T. T adalah
threshold untuk menyeleksi VLMax dari setiap piksel citra. Kemudian menandai piksel
tersebut dan mengupdate nilai matrik kepercayaan (Cw) setiap piksel terpilih menjadi 1
(satu).
Gambar 3. Update matrik Cw.
Untuk penentuan piksel tracking yang baru, digunakan rumus sebagai berikut,
xc , y c   x  r cos 0 , y  r sin 0 
(2)
di mana (xc, yc) adalah piksel tracking baru yang dihitung dengan memanfaatkan nilai
alamat piksel (x,y), panjang diameter (r) dan arah sudut (θ) yang sebelumnya telah
dideteksi sebagai piksel garis.
Proses line tracking diatas akan dijalankan sebanyak W (banyak diameter garis)
yang telah ditentukan. Dan setiap hasil dari 1 ukuran W, akan selalu ditampung dan diupdate terus menerus ke dalam matrik kepercayaan(Cw). Setelah melewati W yang
terakhir, maka didapatkan matrik keperyaan(Cw) yang akan di-update dengan aturan
(map quantization rules) sebagai berikut :
ISBN : 978-602-97491-3-7
C-21-4
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
Gambar 4. Proses Map Quantization.
Hasil akhir dari proses line tracking tersebut merupakan hasil proses map
quantization dari beberapa piksel citra yang dideteksi sebagai piksel garis. Dan citra line
tracking ini sudah berupa citra biner. Untuk mengetahui lebih detail alur dari proses line
tracking dapat dilihat pada Gambar 5.
Gambar5. Flowchart Line Tracking
Pengambilan Gambar
Pada dental panoramic radiograph akan dipilih daerah pada bagian rahang
manusia. Dari format citra berupa .tif akan diambil empat buah sampel daerah disebelah
kanan dan kiri foramen sebesar 128x128 piksel. Untuk lebih jelasnya dapat dilihat pada
Gambar 3. Letak Pengambilan daerah sampel ini berdasarkan rekomendasi dari pakar di
bidang kedokteran gigi.
Gambar 6. Pengambilan 4 Buah Sampel Di Bagian Kanan Dan Kiri Dari Foramen.
HASIL PERCOBAAN
Pada penelitian ini, data yang digunakan adalah 20 dental panoramic
radiograph. Data tersebut diperoleh dari hasil kerjasama dengan Institute of Tropical
Disease (ITD) Universitas Airlangga. Untuk uji coba pada penelitian ini, Spesifikasi
dari perangkat keras yang digunakan dalam implementasi perangkat lunak terdiri dari
ISBN : 978-602-97491-3-7
C-21-5
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
prosesor berjenis Intel Pentium Core 2 Duo 2.2 GHz, memori berkapasitas 4 GB dan
kapasitas harddisk 320 GB. Sedangkan untuk spesifikasi perangkat lunak yang
digunakan dalam implementasi perangkat lunak yakni Microsoft Windows 2010 ,Visio
Profesional 2010 serta Matlab 7.8.0.
Tabel 1: Data Klinis Deteksi Penyakit Periodontitis Kronis.oleh Pakar.
Citra
Perio Index
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
6
6
6
6
6
8
6
0
6
6
6
6
6
6
0
6
6
6
6
8
Diagnosa
(P/N)
P
P
P
P
P
P
P
N
P
P
P
P
P
P
N
P
P
P
P
P
Data diuji coba dengan enam macam orientasi sudut dan menggunakan Tabel 1.
sebagai referensi deteksi penyakit periodontitis kronis yang telah dilakukan oleh pakar.
Hal ini bertujuan untuk mendapatkan sudut orientasi (θ) dan nilai threshold identifikasi
(Ti) dengan nilai akurasi, sensitivity dan spesificity tertinggi. Proses uji coba dilakukan
dengan cara mengubah nilai threshold identifikasi secara iteratif. Nilai dari threshold
didapatkan dari hasil rata-rata nilai kepadatan tulang pada setiap citra. Proses iteratif ini
juga dilakukan pada semua sudut orientasi.
Hasil deteksi pola garis yang dilakukan dengan metode line strength terhadap
Gambar 1. yang merupakan hasil proses expand pada proses gaussian pyramid dapat
dilihat pada Gambar 10(a)-10(c). Sedangkan pada Gambar 10(d)-10(f), deteksi pola
garis yang dilakukan dengan integrasi metode line strength dengan line tracking
berbasis multiscale tampak lebih jelas dan tidak banyak piksel yang hilang jika
dibandingkan dengan hasil binerisasi pada Gambar 10(g)-10(i) secara langsung dari
citra line strength. Setelah melakukan proses deteksi pola garis, maka dilakukan uji
coba deteksi pola garis dengan enam macam orientasi sudut sesuai dengan Tabel 2.
Pada Tabel 2. telah dilakukan evaluasi dari seluruh citra yang digunakan dalam
uji coba. Dari tabel hasil yang didapat pada uji coba dengan menggunakan integrasi
metode line strength dengan line tracking berbasis multiscale tersebut diperoleh nilai
evaluasi terbaik berturut-turut adalah akurasi sebesar 95% yang digambarkan pada
Gambar 8. Sensitifity sebesar 100% yang digambarkan pada Gambar 9. Specificity 50%
yang digambarkan pada Gambar 10. dan rata-rata waktu eksekusi adalah 21,87 detik
yang digambarkan pada Gambar 11.
ISBN : 978-602-97491-3-7
C-21-6
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
(a)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(i)
Gambar 7. (A)-(C) Citra Line Strength. (D)-(F) Citra Binerisasi Line Strength. (G)-(I)
Citra Hasil Integrasi Line Tracking
Tabel 2: Hasil Penghitungan Nilai Akurasi, Sensitivity dan Spesificity pada Beberapa
Orientasi Sudut.
Orientasi Sudut
0 < θ < 90
0 < θ < 90
dan
90< θ < 180
45< θ < 135
90< θ < 180
135<θ <225
0 ≤ θ < 180
Ti
Akurasi (%)
Sensitivity (%)
Spesificity (%)
9847.5
9876.3
90
100
0
90
100
0
95
90
90
90
100
100
100
100
50
0
0
0
9244.3
9809.5
9566.3
9592.3
Dalam pengambilan nilai akurasi, sensitivity dan specificity tidak menghitung
nilai rata-ratanya. Karena sesuai dengan tujuan awal bahwa penelitian ini digunakan
mencari sudut orientasi yang memiliki nilai evaluasi terbaik untuk identifikasi penyakit
periodontitis kronis. Sudut orientasi ini berhubungan dengan peryataan (Carranza dkk,
2006), bahwa penyakit periodontitis ini dapat dideteksi dengan menganalisa kepadatan
jaringan tulang yang mengarah secara horisontal maupun vertikal.
ISBN : 978-602-97491-3-7
C-21-7
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
Nilai Akurasi(%)
Perbandingan Nilai
Akurasi
100
90
80
1
2
3
4
Uji Coba
5
6
Gambar 8. Grafik Akurasi Hasil Uji Coba.
Nilai
Sensitifity(%)
Perbandingan Nilai
Sensitifity
200
0
1
2
3 Coba
4
Uji
5
6
Gambar 9. Grafik Sensitivity Hasil Uji Coba.
Nilai Spesificity(%)
Perbandingan Nilai
Spesificity
100
0
1
2
3
4
Uji Coba
5
6
Gambar 10. Grafik Spesificity Hasil Uji Coba.
waktu (detik)
Waktu Eksekusi
23
22
21
1
2
3
4
5
6
Uji Coba
Gambar 11. Grafik Waktu Eksekusi.
KESIMPULAN DAN SARAN
Berdasarkan hasil penelitian ini dapat disimpulkan beberapa hal sebagai berikut :
1. Penyakit periodontitis kronis pada citra dental panoramic dapat diidentifikasi
dengan menggunakan algoritma line strength dengan integrasi metode line tracking
berbasis multiscale.
2. Berdasarkan transformasi geometri pada algoritma line strength dan penggunaan
konsep matrik pada algoritma line tracking dapat mengurangi waktu komputasi.
ISBN : 978-602-97491-3-7
C-21-8
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
3. Penggabungan citra hasil integrasi metode line tracking berbasis multiscale dapat
merepresentasikan piksel-piksel dari setiap level citra line strength yang berada di
dalam diameter tertentu.
4. Berdasarkan hasil uji coba yang dilakukan pada kinerja program line strength
berintegrasi dengan metode line tracking berbasis multiscale didapatkan nilai
evaluasi yang paling optimal, yaitu akurasi 95%, sensitivity 100%, spesificity 50%
dan rata-rata waktu eksekusi adalah 21,87 detik dengan sudut orientasi 45° sampai
135° yang mengarah vertikal dan nilai threshold identifikasi sebesar 9244.3.
Saran yang didapatkan dari percobaan dan evaluasi yang telah dilakukan adalah
sebagai berikut :
1. Melakukan preprosesing data citra dental panoramic radiograph dengan
mengurangi efek pencahayaan yang kurang merata.
2. Dalam penentuan letak foramen dan proses cropping di bagian kanan dan kiri dapat
dilakukan secara otomatis dari program.
3. Menambah jumlah data pengamatan, sehingga pada saat proses penentuan dataset
dapat dilakukan secara optimal.
4. Menambah fitur deteksi pola garis selain yang berdasarkan pada arah sudut tertentu
dan diameter tertentu.
DAFTAR PUSTAKA
Arifin A Z., Asano A., Taguchi A., Nakamoto T., Ohtsuka M., and Tanimoto K., (2005)
“Computer-aided system for measuring the mandibular cortical width on
panoramic radiographs in osteoporosis diagnosis”. Medical Imaging : Image
Processing.
Arifin A Z., Asano A., Taguchi A., Nakamoto T., Yuniarti A., Dewi L R., Studiawan H.
(2010) Line Strength Measurement For Trabecular Bone Analysis Of Mandible
On Dental panaromic Radiographs.
Balcikonyte E, Balciuniene I, Alekna V. (2004) Panoramic Radiographs in Assessment
of the Bone Mineral Density.
D.J.J Farnel, F.N Hatfield, P. Knox, M. Reakes, S. Spencer, D. Parry, S.P. Harding,
(2008) “Enhancement of blood vessels in digital fundus photographs via the
application of multiscale Line Operators”, Elsivier, Vol.345, Issue 7, pp. 748765.
E. H.Adelson, C. H. Anderson, J. R Bergen, P. J, Burt, J. M. Ogden, (1984) “Pyramid
methods in image processing”, RCA Engineer,pp 33-41.
Foracchia M, Grisan E, Ruggeri A. (2005) Luminosity and contrast normalization in
retinal images. Med Image Anal;9:179–90.
Gongalez RC, Woods RE, Eddins SL. (2004) Digital image processing using MATLAB.
Prentice Hall.
H. Devlin, P.D. Allen, J. Graham, R. Jacobs, K. Karayianni, C. Lindh, P.F. van der
Stelt, E. Harrison, J.E. Adams, S. Pavitt, K. Horner. (2007) “ Automated
Osteoporosis risk assessment by dentist : New pathway to diagnosis”. Elsivier,
Volume 40, Issue 4, pp. 835-842.
ISBN : 978-602-97491-3-7
C-21-9
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
Irwanashari. (2009) Radiografi dan Diagnosis Periodontal.
John Eugene Ball, (2007) “Three Stage Level Set Lineation of Mass Core, Periphery,
and Spiculations For Automated Image Analysis of Digital Mammograms”,
Mississipi State, Mississipi.
Lindsay I Smith, (2002) “A tutorial on principal Components Analysis”.
Newman, Takei, Klokkevold, Carranza. (2006) Carranza’s Clinical Periodontology
10ed: 364, 494-499, 506-511, 605.
Newman, Takei, Klokkevold, Carranza. (2006) Carranza’s Clinical Periodontology
10ed: 645-647.
Peter J. Burt and Edward H. Adelson, (1983) ”The Laplacian Pyramid as a Compact
Image Code ”, IEEE Trans on communication, vol.31, Issue 4, pp. 532-540.
R. Zwiggelaar, T. C. Parr, and C. J. Taylor, (1996) “Finding orientated line patterns in
digital mammographic images,” in Proc. 7th Br. Machine Vision Conf., pp.
715–724.
R.N. Dixon and C.J. Taylor, (1979) ”Automated Asbestos Fiber Counting”, ser.
Conference. Philadelphia, PA: Ist.Phsics, vol. 44, pp.178-185.
Reyer Zwiggelaar, Susan M.Astley, Caroline R.M Boggis, and Christoper J.Taylor,
(2004) Linear Structure in Mammographic Images: Detection and
Classification, IEEE Trans on Medical Imaging, Vol.23, No. 9, pp.1077-1086.
Vincent L. (1993) Morphological grayscale reconstruction in image analysis:
applications and efficient algorithms. IEEE Trans Pattern Anal Mach
Intell;13(6):583–98.
Wijayakusuma H. (2003) Mancegah dan Mengatasi gangguan Menopause Secara
Alamiah.
ISBN : 978-602-97491-3-7
C-21-10