Teknologi medis terus berkembang, dan di antara alat-alat canggih yang digunakan dalam praktik obstetri adalah Ultrasonografi (USG). Dalam rangka pemeriksaan kehamilan, pengukuran Biparietal Diameter (BPD) dan Head Circumference (HC) melalui citra USG menjadi kunci untuk memantau pertumbuhan dan kesehatan janin. Artikel ini membahas proses pengolahan citra USG yang kompleks dan kritis untuk mendapatkan hasil pengukuran yang akurat.

1. Akuisisi Citra USG

Langkah pertama dalam proses pengolahan citra adalah akuisisi gambar USG yang baik. Pada tahap ini, seorang ahli ultrasonografi mengarahkan transduser ke area kepala janin, menciptakan gambaran gelombang suara yang dipantulkan dari struktur dalam tubuh. Penting untuk memastikan akuisisi gambar yang jelas dan berkualitas untuk memfasilitasi pengukuran yang tepat.

2. Cropping: Memfokuskan pada Kepala Janin

Setelah citra USG diakuisisi, langkah selanjutnya adalah memfokuskan pada area kepala janin. Proses cropping melibatkan pemotongan gambar untuk mengisolasi bagian yang paling relevan, yaitu kepala janin. Dengan membuang informasi yang tidak diperlukan, seperti latar belakang atau bagian tubuh lainnya, kita dapat meningkatkan kualitas dan kejelasan citra, membantu proses selanjutnya.

3. Intensity Adjustment: Meningkatkan Kontras

Intensitas citra adalah tingkat kecerahan atau kegelapan suatu piksel pada gambar. Pada tahap ini, dilakukan penyesuaian intensitas untuk meningkatkan kontras antara struktur kepala janin dan latar belakang. Ini dapat melibatkan penerapan teknik pemerataan histogram atau penyesuaian kontras untuk memastikan visualisasi yang optimal.

4. Thresholding: Membuat Pemisahan Struktur yang Jelas

Langkah selanjutnya adalah thresholding, di mana citra diubah menjadi gambar biner, dengan piksel di atas atau di bawah batas tertentu dianggap sebagai hitam atau putih. Pada pengolahan citra USG untuk pengukuran BPD dan HC, thresholding membantu memisahkan struktur kepala janin dari latar belakang dengan cara yang memudahkan identifikasi tepi dan kontur.

Baca Juga: Perhitungan Diameter Kanker Payudara Menggunakan Metode Thresholding Otsu Pada Modalitas Mammography

5. Pengukuran BPD dan HC: Menentukan Pertumbuhan dan Ukuran Kepala Janin

Setelah proses pengolahan citra, langkah berikutnya adalah melakukan pengukuran yang tepat untuk mendapatkan informasi tentang pertumbuhan dan ukuran kepala janin.

5.1 Pengukuran Biparietal Diameter (BPD)

Pengukuran BPD melibatkan menentukan jarak antara dua titik tertentu di tengah otak janin. Informasi tepi atau metode deteksi tepi lainnya dapat digunakan untuk mengidentifikasi dan mengukur jarak ini. Pengukuran BPD memberikan informasi tentang pertumbuhan tulang tengkorak janin, yang merupakan parameter penting dalam menilai kesehatan janin.

5.2 Pengukuran Head Circumference (HC)

Pengukuran HC melibatkan pengukuran keliling kepala janin. Ini dapat dilakukan dengan menghitung panjang tepi atau menggunakan metode lain yang memberikan perkiraan keliling. Pengukuran ini memberikan informasi tambahan tentang perkembangan otak dan struktur kepala janin.

6. Validasi dan Koreksi: Memastikan Ketepatan Pengukuran

Meskipun teknologi pengolahan citra dapat memberikan hasil yang akurat, validasi dan koreksi tetap menjadi langkah penting dalam memastikan ketepatan pengukuran.

6.1 Validasi Otomatis

Mengimplementasikan metode validasi otomatis untuk memastikan bahwa pengukuran dilakukan sesuai dengan standar medis. Ini dapat melibatkan perbandingan hasil pengukuran dengan data referensi atau batasan tertentu untuk menentukan tingkat akurasi.

6.2 Koreksi Manual

Memberikan opsi untuk koreksi manual jika ditemukan faktor-faktor yang dapat memengaruhi akurasi pengukuran, seperti bayangan atau artefak pada citra. Koreksi manual dapat dilakukan oleh profesional medis yang berpengalaman untuk memastikan hasil yang lebih akurat.

Baca Juga: Pengolahan Citra untuk Deteksi Kanker Paru Berdasarkan Citra Thorax CT Scan

7. Presentasi Hasil dan Integrasi Sistem: Menyajikan dan Merekam Informasi

Setelah semua proses pengolahan dan pengukuran selesai, hasilnya harus disajikan dengan baik dan diintegrasikan ke dalam sistem kesehatan.

7.1 Tampilkan Hasil dengan Jelas

Sajikan hasil pengukuran secara visual dengan mencantumkan nilai numerik dan grafis. Ini memudahkan pemahaman dan interpretasi hasil oleh tenaga medis dan calon orang tua.

7.2 Simpan Data untuk Referensi dan Analisis

Simpan hasil pengukuran dan citra yang telah diolah untuk referensi dan dokumentasi. Data ini dapat sangat berharga untuk pemantauan perkembangan janin selama kehamilan dan untuk analisis berkelanjutan.

Proses pengolahan citra USG untuk pengukuran BPD dan HC merupakan langkah kritis dalam memahami perkembangan dan kesehatan janin selama kehamilan. Dengan teknologi yang terus berkembang, integrasi algoritma cerdas dan validasi yang baik, pengolahan citra dapat membantu tenaga medis memberikan diagnosis yang lebih tepat dan informasi yang lebih baik kepada orang tua tentang kesehatan dan perkembangan janin mereka.

Analisis Source Code MATLAB

Pada artikel ini, kita akan menguraikan source code MATLAB yang digunakan untuk mengolah citra ultrasonografi (USG) guna mengukur BPD (Biparietal Diameter) dan HC (Head Circumference). Source code ini melibatkan beberapa tahap pengolahan citra, termasuk pembacaan citra, pemotongan, pre-processing, thresholding, operasi morfologi, dan pengukuran BPD serta HC. Mari kita jelajahi setiap bagian dari source code ini.

1. Pembacaan dan Pemotongan Citra

Pertama-tama, source code membaca citra USG dari file ‘usg image.jpg’ menggunakan fungsi imread dan menampilkannya menggunakan imshow. Kemudian, citra dipotong menggunakan fungsi imcrop dengan parameter berdasarkan koordinat dan dimensi yang ditentukan.

Img = imread('usg image.jpg');
figure, imshow(Img)

Img_crop = imcrop(Img,[x,y,w,h]);

2. Pre-processing Citra

Citra yang sudah dipotong kemudian mengalami pre-processing menggunakan fungsi imadjust. Proses ini bertujuan untuk meningkatkan kontras citra.

Img_adj = imadjust(Img_crop,[0.1 0.2],[0 1]);

3. Thresholding

Proses selanjutnya adalah thresholding, di mana citra diubah menjadi citra biner menggunakan batas tertentu.

bw1 = Img_adj > 50;

4. Operasi Morfologi

Dilakukan operasi morfologi dengan menggunakan disk dengan jari-jari 3 piksel. Operasi ini melibatkan operasi penutupan (imclose), operasi pembukaan (bwareaopen), dan pengisian lubang (imfill).

str = strel('disk',3);
bw2 = imclose(bw1,str);
bw3 = bwareaopen(bw2,100);
bw4 = imfill(bw3,'holes');

5. Pengukuran BPD dan HC

Berikutnya, dilakukan pengukuran BPD dan HC dengan menggunakan beberapa parameter dan rumus matematika tertentu.

[a,b] = find(bw3==1);
ctr = [(min(b)+round((max(b)-min(b))/2)),(min(a)+round((max(a)-min(a))/2))];

% Menampilkan citra pada axes
figure,imshow(Img)

% Panjang
xMajor = [min(b),max(b)];
yMajor = [min(a)+round((max(a)-min(a))/2),min(a)+round((max(a)-min(a))/2)];
panjang = max(b)-min(b);
line(gca,xMajor+x,yMajor+y,'Color','y','LineWidth',2,'LineStyle','--')

% Lebar
xMajor = [min(b)+round((max(b)-min(b))/2),min(b)+round((max(b)-min(b))/2)];
yMajor = [min(a),max(a)];
lebar = max(a)-min(a);
line(gca,xMajor+x,yMajor+y,'Color','y','LineWidth',2,'LineStyle','--')

x1 = min(b);
y1 = min(a)+round((max(a)-min(a))/2);

x2 = max(b);
y2 = min(a)+round((max(a)-min(a))/2);

e = sqrt(panjang^2-lebar^2)/panjang;
a = 1/2*sqrt((x2-x1)^2+(y2-y1)^2);
b = a*sqrt(1-e^2);
t = linspace(0,2*pi);
X = a*cos(t);
Y = b*sin(t);
w = atan2(y2-y1,x2-x1);
x = (x1+x2)/2 + X*cos(w) - Y*sin(w)+x;
y = (y1+y2)/2 + X*sin(w) + Y*cos(w)+y;
hold on
plot(x,y,'y--','LineWidth',2)

% Menghitung BPD dan HC
BPD = lebar/64;
HC = pi/2*(panjang+lebar)/64;

text(30,150,['BPD = ',num2str(BPD),' cm'],'Color','y','FontSize',14)
text(30,180,['HC = ',num2str(HC),' cm'],'Color','y','FontSize',14)