Sistem Identifikasi Mikroaneurisma …

Darma Putra, Wiskara

SISTEM IDENTIFIKASI MIKROANEURISMA

PADA CITRA RETINA DIGITAL

Darma Putra1 , Wiskara2

Jurusan Teknik Elektro, Fakultas Teknik, Universitas Udayana

Kampus Bukit Jimbaran, Bali, 80361

Email1 : [email protected]

Abstrak

Sistem identifikasi mikroaneurisma pada citra retina digital adalah suatu sistem yang mampu untuk mendeteksi ada tidaknya suatu mikroaneurisma pada suatu citra retina. Sistem ini menggunakan lima buah nilai acuan untuk mengidentifikasi apakah suatu objek merupakan mikroaneurisma atau tidak. Sehingga setiap objek dihitung terlebih dahulu nilai-nilainya menggunakan metode yang ada, selanjutnya nilai-nilai setiap objek dicocokkan dengan nilai acuan yang telah ditetapkan sebelumnya. Suatu objek dapat dianggap sebagai calon mikroaneurisma jika memiliki nilai yang berada diantara batasan nilai acuan.

Akurasi sistem identifikasi mikroaneurisma ini dihitung dengan membandingkan jumlah mikroaneurisma yang ditandai oleh dokter dengan hasil identifikasi oleh sistem. Citra yang digunakan dalam penelitian ini adalah citra retina digital yang sudah dilabeling berformat bitmap. Dalam penelitian ini diuji 20 sampel citra retina digital yang sudah dilabeling. Dari penelitian diperoleh tingkat akurasi terendah pada sistem identifikasi mikroaneurisma citra retina digital berdasarkan jumlah parameter yang digunakan adalah sebesar 12,09% dengan menggunakan satu parameter. Sedangkan tingkat akurasi tertinggi pada sistem identifikasi mikroaneurisma citra retina digital berdasarkan jumlah parameter yang digunakan adalah sebesar 91,34% dengan menggunakan lima parameter.

Kata kunci: retina, retinopati diabetes, mikroaneurisma, identifikasi.

  • 1.    PENDAHULUAN

Retinopati diabetes adalah komplikasi mikrovaskular yang dapat terjadi pada pasien diabetes yang tidak ditangani dengan baik. Penyakit tersebut dapat mengganggu penglihatan, sehingga pada suatu saat dapat menyebabkan kebutaan. Penyakit ini cukup banyak terjadi di Indonesia, oleh karena itu penelitian di bidang diagnosis retinopati diabetes menarik untuk dibahas. Pada penderita retinopati diabetes terdapat beberapa tanda-tanda kelainan pada retina salah satunya yaitu mikroneurisma.

Gejala klinis dari penyakit ini adalah munculnya mikroaneurisma yang merupakan pembengkakan pembuluh darah berukuran mikro dan dapat terlihat sebagai titik-titik kemerahan pada retina. Penyakit ini dibagi ke dalam 2 kategori, yaitu nonproliferatif dan proliferatif. Retinopati diabetes nonproliferatif diklasifikasikan ke dalam 3 tingkatan, yaitu mild, moderate, dan severe dan masing-masing tingkatan dibutuhkan penanganan yang berbeda. Alat bantu diagnosa yang digunakan adalah kamera fundus yang berfungsi mendapatkan citra retina, dari citra retina tersebut dapat dilakukan pengamatan secara manual mengenai keberadaan mikroaneurisma [3]. Tetapi cara ini kurang efektif karena dibutuhkan waktu yang lama dan memungkinkan terjadi kesalahan dalam pengamatan. Hal ini menyulitkan dokter spesialis mata untuk menentukan dengan cepat terapi apa yang tepat diberikan pada pasien.

Mengacu pada permasalahan tersebut, dalam penelitian ini dibahas mengenai pengembangan sistem untuk mendeteksi mikroaneurisma sehingga dapat membantu dokter ahli mata dalam menentukan penanganan yang tepat untuk pasien.

  • 2.    PENGUMPULAN DATA (CITRA) RETINA

Penelitian ini dilakukan dengan menggunakan sampel retina yang diambil internet pada basis data Departement of Ophthamology, University of Kuopio Finland Ophthamology [2] dan disimpan dalam media penyimpanan, serta telah dilakukan proses segmentasi dan labeling dari hasil penelitian sebelumnya[6].

  • 3.    PENDETEKSIAN MIKROANEURISMA

Proses pendeteksian mikroaneurisma terdiri dari beberapa proses sampai menghasilkan informasi. Image citra retina yang diproses adalah citra yang telah mengalami proses segmentasi dan ter-labeling. Tahapan proses pendeteksian mikroaneurisma dijelaskan sebagai berikut.

  • 3.1    Cropping

Proses cropping berguna untuk melakukan pemisahan beberapa objek pada citra retina yang telah di labeling sehingga menjadi sebuah objek yang berdiri sendiri. Proses cropping terdiri dari langkah-langkah berikut:

  • 1)    Ambil koordinat titik awal, titik akhir, panjang dan lebar objek dari objek yang telah di labeling.

  • 2)    Lakukan proses pemotongan citra berdasarkan koordinat titik awal, titik akhir, panjang dan lebar citra.

Citra yang telah di cropping tersebut dilakukan proses penghitungan nilai-nilai Pixel count, Ratio of Minor to Major Axis, Compactness Test, Length Test, Hole Test.

  • 3.2    Pixel count

Pixel count berguna untuk menghitung jumlah pixel dari objek tersebut, dimana jumlah pixel dari objek tersebut dapat dijadikan salah satu acuan untuk menentukan apakah objek tersebut mikroaneurisma atau bukan. Pengecekan dilakukan terhadap pixel yang berwarna hitam, kemudian dihitung jumlahnya.

  • 3.3    Ratio of minor to major axis

Secara umum mikroaneurisma memiliki bentuk lonjong / elips tetapi tidak semua objek yang berbentuk elips dapat dikatakan mikroaneurisma, sehingga diperlukan algoritma ratio of minor to major axis untuk mendapatkan nilai perbandingan antara lebar dan tinggi dari suatu objek elips tersebut, seperti terlihat pada Gambar 1 berikut ini:

Gambar 1. Major axis dan Minor axis

Langkah algoritma untuk mendapatkan nilai perbandingan antara lebar dan tinggi dari suatu objek elips tersebut adalah sebagai berikut [5]:

  • 1)    Cari pusat moment dari pusat objek tersebut

  • 2)    Cek setiap pixel apakah berwarna hitam, jika ya lanjutkan ke langkah 3.

  • 3)    Hitung nilai dari:

  • µ 20 dengan rumus:

⅛⅛⅛.[Λ-κ'k]2F(J,K)      (1)

  • µ 02 dengan rumus:

⅛∑!J=1[yk-y'k]2F(J,K)       (2)

µ 11 dengan rumus:

∑j=ι^κ=ι[χk-x⅛] ∣yk-y⅛] F(J,K) (3)

  • 4)    Hitung ratio of minor to major axis dengan rumus:

'½c~ ⅛'l^ + 4Hi

area                        (4)

  • 3.4    Compactness test

Metode compactness test berfungsi untuk mencari ratio perbandingan antara keliling dari objek dengan luas dari objek tersebut, sehingga dapat dihitung MinRedSpotCompactRatio dengan rumus:

MinRedSpotCompactRatio = Filled object area / total object area                                  (5)

Langkah-langkah yang dilakukan dalam proses compactness test adalah sebagai berikut:

  • 1)    Set nilai Q0=0; Q1=0; Q2=0; Q3=0; Q4=0; Q5=0;

  • 2)    Untuk setiap pixel dilakukan pengecekan, apakah nilai pixel di titik tersebut (x,y) = 255 (putih) dan (x + 1, y) = 255 dan (x, y + 1) = 255 dan (x + 1 , y + 1) = 255. Jika ya Q0 = Q0 + 1, jika tidak lakukan langkah 3.

  • 3)    Cek apakah nilai pixel di titik tersebut (x,y) = 0 dan (x+1,y) = 255 dan (x,y+1) = 255 dan (x+1,y+1) = 255 atau (x,y) = 255 dan (x+1,y) = 0 dan (x,y+1) = 255 dan (x+1,y+1) = 255 atau (x,y) = 255 dan (x+1,y) = 255 dan (x,y+1) = 255 dan (x+1,y+1) = 0 atau (x,y) = 255 dan (x+1,y) = 255 dan (x,y+1) = 0 dan (x+1,y+1) = 255. Jika ya Q1 = Q1 + 1, jika tidak lakukan langkah 4.

  • 4)    Cek apakah nilai pixel di titik tersebut (x,y) = 0 dan (x+1,y) = 0 dan (x,y+1) = 255 dan (x+1,y+1) = 255 atau (x,y) = 255 dan (x+1,y) = 0 dan (x,y+1) = 255 dan (x+1,y+1) = 0 atau (x,y) = 255 dan (x+1,y) = 255 dan (x,y+1) = 0 dan (x+1,y+1) = 0 atau (x,y) = 0 dan (x+1,y) = 255 dan (x,y+1) = 0 dan (x+1,y+1) = 255. Jika ya Q2 = Q2 + 1, jika tidak lakukan langkah 5.

  • 5)    Cek apakah nilai pixel di titik tersebut (x,y) = 0 dan (x+1,y) = 0 dan (x,y+1) = 255 dan (x+1,y+1) = 0 atau (x,y) = 255 dan (x+1,y) = 0 dan (x,y+1) = 0 dan (x+1,y+1) = 0 atau (x,y) = 0 dan (x+1,y) = 255 dan (x,y+1) = 0 dan (x+1,y+1) = 0 atau (x,y) = 0 dan (x+1,y) = 0 dan (x,y+1) = 0 dan (x+1,y+1) = 255. Jika ya Q3 = Q3 + 1, jika tidak lakukan langkah 6.

  • 6)    Cek apakah nilai pixel di titik tersebut (x,y) = 0 dan (x+1,y) = 0 dan (x,y+1) = 0 dan (x+1,y+1) =

  • 0. Jika ya Q4 = Q4 + 1, jika tidak lakukan langkah 7.

  • 7)    Cek apakah nilai pixel di titik tersebut (x,y) = 0 dan (x+1,y) = 255 dan (x,y+1) = 255 dan (x+1,y+1) = 255 atau (x,y) = 255 dan (x+1,y) = 0 dan (x,y+1) = 0 dan (x+1,y+1) = 255. Jika ya Q5 = Q5 + 1

  • 8)    Hitung area dengan rumus:

  • ((0.25 * Q1) + (0.5 * Q2) + (0.875 * Q3) + (Q4)

+ (0.75 * Q5))                              (6)

  • 9)    Hitung perimeter dengan rumus:

((Q2) + (0.707 * ((Q1) + (Q3) + (2 * Q5)))) (7)

  • 10)    Hitung compactness test dengan rumus:

■ Perimeter)"

  • 4 * 3.14 * Area                         (8)

  • 3.5    Length test

Metode length test digunakan untuk membedakan sebuah citra yang terdeteksi sebagai calon mikroaneurisma dengan citra pembuluh darah, dimana metode ini dapat menghitung panjang dari citra yang terdeteksi sebagai calon mikroaneurisma, sehingga dengan diketahui panjangnya maka dapat dibedakan mana citra pembuluh darah dan citra mikroaneurisma.

Langkah-langkah yang dilakukan dalam proses length test adalah sebagai berikut:

  • 1)    Set nilai Q1=0; Q2=0; Q3=0; Q5=0;

  • 2)    Untuk setiap pixel dilakukan pengecekan, apakah nilai pixel di titik tersebut (x,y) = 0 dan (x+1,y) = 255 dan (x,y+1) = 255 dan (x+1,y+1) = 255 atau (x,y) = 255 dan (x+1,y) = 0 dan (x,y+1) = 255 dan (x+1,y+1) = 255 atau (x,y) = 255 dan (x+1,y) = 255 dan (x,y+1) = 255 dan (x+1,y+1) = 0 atau (x,y) = 255 dan (x+1,y) = 255 dan (x,y+1) = 0 dan (x+1,y+1) = 255. Jika ya Q1 = Q1 + 1, jika tidak lakukan langkah 3.

  • 3)    Cek apakah nilai pixel di titik tersebut (x,y) = 0 dan (x+1,y) = 0 dan (x,y+1) = 255 dan (x+1,y+1) = 255 atau (x,y) = 255 dan (x+1,y) = 0 dan (x,y+1) = 255 dan (x+1,y+1) = 0 atau (x,y) = 255 dan (x+1,y) = 255 dan (x,y+1) = 0 dan (x+1,y+1) = 0 atau (x,y) = 0 dan (x+1,y) = 255 dan (x,y+1) = 0 dan (x+1,y+1) = 255. Jika ya Q2 = Q2 + 1, jika tidak lakukan langkah 4.

  • 4)    Cek apakah nilai pixel di titik tersebut (x,y) = 0 dan (x+1,y) = 0 dan (x,y+1) = 255 dan (x+1,y+1) = 0 atau (x,y) = 255 dan (x+1,y) = 0 dan (x,y+1) = 0 dan (x+1,y+1) = 0 atau (x,y) = 0 dan (x+1,y) = 255 dan (x,y+1) = 0 dan (x+1,y+1) = 0 atau (x,y) = 0 dan (x+1,y) = 0 dan (x,y+1) = 0 dan (x+1,y+1) = 255. Jika ya Q3 = Q3 + 1, jika tidak lakukan langkah 9

  • 5)    Cek apakah nilai pixel di titik tersebut (x,y) = 0 dan (x+1,y) = 255 dan (x,y+1) = 255 dan (x+1,y+1) = 255 atau (x,y) = 255 dan (x+1,y) = 0 dan (x,y+1) = 0 dan (x+1,y+1) = 255. Jika ya Q5 = Q5 + 1

  • 6)    Hitung length test dengan rumus :

((Q2) + (0.707 * ((Q1) + (Q3) + (2 * Q5)))) (9)

  • 3.6    Hole test

Kepadatan suatu daerah juga diuji dalam rangka akhirnya menerimanya sebagai calon mikroaneu risma atau bukan dengan metode hole test. Karena suatu obyek dengan suatu lubang tidak bisa diambil sebagai calon mikroaneurisma tetapi bisa merupakan suatu pendarahan atau lain dan bukan citra mikroaneurisma.

Langkah-langkah yang dilakukan dalam proses length test adalah sebagai berikut:

  • 1)    Set nilai Q1=0; Q3=0; Q5=0;

  • 2)    Untuk setiap pixel dilakukan pengecekan, apakah nilai pixel di titik tersebut (x,y) = 0 dan (x+1,y) = 255 dan (x,y+1) = 255 dan (x+1,y+1) = 255 atau (x,y) = 255 dan (x+1,y) = 0 dan (x,y+1) = 255 dan (x+1,y+1) = 255 atau (x,y) = 255 dan (x+1,y) = 255 dan (x,y+1) = 255 dan (x+1,y+1) = 0 atau (x,y) = 255 dan (x+1,y) = 255 dan (x,y+1) = 0 dan (x+1,y+1) = 255. Jika ya Q1 = Q1 + 1, jika tidak lakukan langkah 3.

  • 3)    Cek apakah nilai pixel di titik tersebut (x,y) = 0 dan (x+1,y) = 0 dan (x,y+1) = 255 dan (x+1,y+1) = 0 atau (x,y) = 255 dan (x+1,y) = 0 dan (x,y+1) = 0 dan (x+1,y+1) = 0 atau (x,y) = 0 dan (x+1,y) = 255 dan (x,y+1) = 0 dan (x+1,y+1) = 0 atau (x,y) = 0 dan (x+1,y) = 0 dan (x,y+1) = 0 dan (x+1,y+1) = 255. Jika ya Q3 = Q3 + 1, jika tidak lakukan langkah 4.

  • 4)    Cek apakah nilai pixel di titik tersebut (x,y) = 0 dan (x+1,y) = 255 dan (x,y+1) = 255 dan (x+1,y+1) = 255 atau (x,y) = 255 dan (x+1,y) = 0 dan (x,y+1) = 0 dan (x+1,y+1) = 255. Jika ya Q5 = Q5 + 1

  • 5)    Hitung hole test dengan rumus :

  • (0.25 * (Q1 - Q3 + (2 * Q5)))              (10)

  • 4.    PERCOBAAN DAN HASIL

Proses pengujian dilakukan dengan menghitung nilai pixel count, ratio of minor to major axis, compactness test, length test, hole test dari masing-masing objek pada citra retina yang telah di labeling. Dari hasil penghitungan nilai-nilai tersebut dilakukan penseleksian berdasarkan range nilai yang telah ditentukan sebelumnya. Sehingga objek-objek yang memiliki nilai sesuai dengan range yang telah

ditentukan dapat dianggap sebagai calon mikroaneurisma.

Hasil dari pengujian citra retina dengan jumlah sampel sebanyak 5 citra untuk menentukan suatu objek termasuk mikroaneurisma atau tidak dapat dilihat pada Tabel 1 dibawah ini.

Tabel 1. Hasil pengujian sampel 5 citra untuk mendapatkan nilai acuan parameter

N o

Pixel

Count s

Ratio of

Minor to Major Axis

Compactn ess Test

Length Test

Hol e Test

1

89

0.117851

0.002773

14.828

1

2

78

0.306247

0.747929

3.535

1

3

105

1.123636

0.128377

2.121

1

4

27

0.707106

0.517019

2.828

1

5

20

0.798595

0.509402

13.414

1

6

38

0.131675

0.618651

22.521

1

7

56

1.028518

0.309325

16.535

1

8

115

0.138675

0.013842

19.121

1

9

90

1.074535

0.045482

20.535

1

10

68

1.221881

0.212251

21.707

1

Melalui Tabel 1 di atas di dapat beberapa nilai-nilai acuan dari masing-masing parameter : a. Pixel Counts

Jika pada objek jumlah pixel berada diantara 20 – 115 pixel maka dapat diambil kesimpulan awal bahwa objek tersebut kemungkinan mikroaneurisma.

  • b.    Ratio of Minor to Major Axis

Jika hasilnya diantara 0,1 – 1,32 maka terdapat kemungkinan sebagai mikroaneurisma.

  • c.    Compactness Test

Jika sebuah objek memiliki nilai compactness diantara 0,001 dari 0,75 maka terdapat kemungkinan sebagai mikroaneurisma.

  • d.    Length Test

Sebuah objek dapat dikatakan sebagai calon mikroaneurisma jika nilai length testnya berada diantara 2 – 22,6.

  • e.    Hole Test

Suatu objek dikatakan sebagai mikroaneurisma jika tidak memiliki lubang atau dengan nilai = -1.

Jika nilai sebuah objek memenuhi nilai acuan yang telah ditentukan maka objek tersebut dapat dianggap sebagai mikroaneurisma.

Pengujian tingkat keberhasilan dari sistem pengenalan mikroaneurisma dilakukan dengan mencari nilai perbandingan kesalahan perhitungan oleh sistem dibandingkan dengan perhitungan oleh dokter ahli. Pada penelitian ini, analisa citra retina digital secara konvensional dibantu oleh Dr. A.A.A. Sukartini D. SpM yang bertugas di RS. Sanglah – Denpasar.

Jumlah citra yang digunakan adalah 20 citra, dengan menggunakan berbagai jenis kombinasi dari parameter yang ada.

Hasil dari pengujian citra retina dengan jumlah sampel sebanyak 20 citra dengan mengunakan satu parameter yaitu pixel count adalah sebagai berikut:

Tabel 2. Hasil pengujian sampel 20 citra dengan mengunakan satu parameter yaitu pixel count

No

Image

Ana li sa Awa l

Hasil Cross check

Anali sa Siste m

Akura si

1

image001

6

8

52

15.38%

2

image002

5

6

68

8.82%

3

image003

7

7

99

7.07%

4

image004

5

5

52

9.62%

5

image005

5

6

26

23.08%

6

image006

6

7

54

12.96%

7

image007

4

4

133

3.01%

8

image008

6

6

64

9.38%

9

image009

5

6

189

3.17%

10

image0010

10

12

83

14.46%

11

image0011

11

12

100

12.00%

12

image0012

6

9

63

14.29%

13

image0013

5

7

104

6.73%

14

image0014

6

6

59

10.17%

15

image0015

15

15

56

26.79%

16

image0016

7

8

82

9.76%

17

image0017

4

4

132

3.03%

18

image0018

5

6

164

3.66%

19

image0019

17

17

52

32.69%

20

image0020

14

14

89

15.73%

Rata-rata

12.09%

Hasil pengujian dengan menggunakan satu buah parameter yaitu pixel count didapat nilai akurasi tertinggi sebesar 32,69% pada image0019 dan nilai akurasi terendah sebesar 3,01% pada image007, sedangkan nilai rata-rata dari akurasi sistem yaitu sebesar 12,09%.

Hasil dari pengujian citra retina dengan jumlah sampel sebanyak 20 citra dengan mengunakan lima parameter yaitu pixel count, ratio of minor to major axis, compactness test, length test dan hole test adalah seperti dalam tabel 3.

Hasil pengujian dengan menggunakan lima buah parameter pixel count, ratio of minor to major axis, compactness test, length test dan hole seperti gambar 2. Nilai akurasi tertinggi sebesar 100,00% pada image001, image005, image006, image007, image008, image0017, image0018, image0019, dan image0020 dan nilai akurasi terendah sebesar 75,00% pada image0011, sedangkan nilai rata-rata dari akurasi sistem yaitu sebesar 91,34%.

Tabel 3. Hasil pengujian sampel 20 citra dengan mengunakan lima parameter yaitu pixel count, ratio of minor to major axis, compactness test, length test dan hole test

No

Image

Anali sa Awal

Hasil Cross check

Ana lisa Sist em

Akurasi Sistem

1

image001

6

8

8

100.00%

2

image002

5

6

7

85.71%

3

image003

7

7

9

77.78%

4

image004

5

5

6

83.33%

5

image005

5

6

6

100.00%

6

image006

6

7

7

100.00%

7

image007

4

4

4

100.00%

8

image008

6

6

6

100.00%

9

image009

5

6

5

83.33%

10

image0010

10

12

11

91.67%

11

image0011

11

12

16

75.00%

12

image0012

6

9

8

88.89%

13

image0013

5

7

8

87.50%

14

image0014

6

6

7

85.71%

15

image0015

15

15

19

78.95%

16

image0016

7

8

9

88.89%

17

image0017

4

4

4

100.00%

18

image0018

5

6

6

100.00%

19

image0019

17

17

17

100.00%

20

image0020

14

14

14

100.00%

Rata-rata

91.34%

Grafik Perbandingan Akurasi Sistem Berdasarkan Jumlah Parameter

Gambar 2. Grafik Perbandingan Akurasi Sistem Berdasarkan Jumlah Parameter

Tingginya tingkat akurasi sistem dengan menggunakan lima parameter karena setiap objek untuk dapat dideteksi sebagai mikroaneurisma harus memenuhi kelima nilai acuan yang sudah ditetapkan, sedangkan rendahnya akurasi sistem dengan menggunakan satu parameter karena setiap objek hanya harus memenuhi salah satu nilai parameter.

Sebagai pembanding dilakukan pengujian terhadap 5 citra retina yang normal sebagai berikut:

Tabel 4. Hasil pengujian sampel 5 citra dengan retina normal

N o

Image

Anali sa Awal

Hasil Cross check

Anali sa Siste m

Akura si Sistem

1

image001

0

0

0

100%

2

image002

0

0

0

100%

3

image003

0

0

1

50%

4

image004

0

0

0

100%

5

image005

0

0

0

100%

Rata-rata

90%

Hasil pengujian dengan menggunakan lima buah citra retina normal didapat nilai akurasi tertinggi sebesar 100,00% pada image001, image002, image004, dan image005 dan nilai akurasi terendah sebesar 50,00% pada image003, sedangkan nilai rata-rata dari akurasi sistem yaitu sebesar 90,00%.

  • 5.    SIMPULAN

Penelitian ini telah berhasil melakukan proses pendeteksian mikroaneurisma pada citra retina digital dengan melakukan proses cropping pada citra retina yang telah di labeling berdasarkan lokasi yang didapat, selanjutya menghitung nilai pixel count, ratio of minor to major axis, compactness test, length test, hole test dari masing-masing objek. Tingkat akurasi tertinggi pada sistem identifikasi mikroaneurisma citra retina digital berdasarkan jumlah parameter yang digunakan adalah sebesar 91,34 % dengan menggunakan lima parameter, sedangkan jika menggunakan satu parameter hanya menghasilkan tingkat akurasi sebesar 13,99%.

Sebagai pengembangan lebih lanjut atas penelitian ini, diharapkan dilakukan dengan sistem terintregasi dengan camera fundus sehingga pengambilan sampel citra uji dapat dilakukan secara langsung dan dapat dikembangkan lebih lanjut untuk mengenali jenis penyakit yang lain sehingga dapat diketahui kemungkinan penyakit yang diderita pasien secara lebih akurat.

  • 6.    DAFTAR PUSTAKA

  • [1]    Acharya Tinku, K Jay Ajoy.2005.Image Processing Principles and Applications. USA : A JOHN WILEY & SONS, MC., PUBLICATION

  • [2]    American Society of Hematology.-.ASH

Medical           Image           Bank.

http://www.hematologyatlas.com/. Akses tanggal : 18 Januari 2009.

  • [3]    Blekinge Institute of Technology. October 2006.

Automatic Diagnosis Of Diabetic Retinopathy Using Fundus Images.

  • [4]    Darma Putra, IKG. 2009. Sistem Biometrika Teori dan Aplikasi. Andi Offset : Jogjakarta

  • [5]    Darma Putra, IKG. 2010. Pengolahan Citra Digital, Andi Offset, Yogyakarta.

  • [6]    Darma Putra, IKG, Gede Suarjana, 2009. Segmentasi Citra Retina Digital Retinopati Diabetes Untuk Membantu Pendeteksian Mikroaneurisma,   Jurnal Ilmiah Teknik

Elektro, Unud.

  • [7]    Lappeenranta University Of Technology Department Of Information Technology. June 2005. Retinal Image Analysis Usingmachine Vision.

Teknologi Elektro

1 6 4

Vol. 9 No.2 Juli - Desember 2010