Metode Analisis Edit
Transcript of Metode Analisis Edit
Oleh :Adriyani Hartayanti (0502005046)A.A. Yunda Prabundari (0502005057)A.A. Intan Pramesti (0502005130)
Pembimbing:dr. Firman P Sitanggang, Sp. Rad
Metode deteksi otomatis radiografi osteoartritis pada gambar Xray lutut
Berdasarkan nilai klasifikasi Kellgren – Lawrence
Dataset : 350 gambar xray (berdasarkan KL)
Hasil : OA sedang (KL kelas 3) dan OA minimal (KL kelas 2) dapat dibedakan dari kasus normal dengan akurasi masing-masing 91,5% dan 80,4%
• Osteoartritis suatu penyakit sendi ditandai dengan kerusakan dan hilangnya kartilago artikular yang berakibat pada pembentukan osteofit, rasa sakit, pergerakan yang terbatas, dan deformitas
• Pada sendi, jaringan tulang rawan (kartilago) biasanya menutup ujung-ujung tulang penyusun sendi.
cairan sinovial yang terletak di antara tulang-tulang tersebut bertindak sebagai pelumas yang mencegah ujung-ujung tulang bergesekan dan saling mengikis satu sama lain.
Kekurangan cairan sinovial lapisan kartilago yang menutup ujung tulang akan bergesekan satu sama lain. Gesekan tersebut akan membuat lapisan tersebut semakin tipis dan pada akhirnya akan menimbulkan rasa nyeri.
Radiografi pertama kali diperkenalkan pada tahun 1985
Saat ini yang dipakai adalah teknik radiografi yang digital, tidak langsung (menggunakan piring photostimulable) atau langsung (menggunakan detektor panel datar)
Diperkirakan 80% penduduk berusia di atas 65 memiliki bukti radiografi Osteoarthritis
Harapan hidup yang berkepanjangan di Amerika Serikat prevalensi osteoarthritis diperkirakan meningkat
• Dacre dkk. tibio-femoralis ruang sendi menurun secara fisiologis seiring dengan bertambahnya usia (pria 35thn 7,03 mm, 65 thn 4,9 mm)
• Osteoarthritis, rata-rata berkurangnya ruang sendi tibio-femoral adalah 0,3 mm/tahun
• Kecepatan penyempitan ruang sendi :osteoarthritis tipe lambat atau progresif
cepat.
• Grade 0: radiografi tampak normal• Grade 1: terdapat penyempitan ruang sendi
dengan atau tanpa osteofit• Grade 2: terdapat osteofit, penyempitan ruang
sendi yang normal atau masih dipertanyakan• Grade 3: terdapat osteofit berukuran sedang,
penyempitan sedang pada ruang sendi, terdapat kista atau subkondral sklerosis, kemungkinan adanya deformitas
• Grade 4: terdapat osteofit yang berukuran besar, penyempitan ruang sendi yang sangat menonjol, adanya sklerosis yang parah, adanya deformitas.
• Grade 0: Tidak ada tanda-tanda radiografik osteoarthritis
• Grade 1: ukuran < 3 mm (kurang dari setengah dari ruang sendi sisi yang berlawanan/kompartemen yang sama dengan lutut kontralateral)
• Grade 2: penyempitan ruang sendi total• Grade 3: plateau tibialis < 5 mm• Grade 4: plateau 5 sampai 10 mm• Grade 5: plateau > 10 mm
diagnosis : penyempitan ruang sendi tampak secara signifikan dan menunjukkan ruang tulang rawan berukuran 3 mm atau kurang.
• Meskipun tingginya prevalensi OA lutut, alat berbasis komputer untuk mendeteksi berdasarkan gambar X-ray tunggal belum tersedia baik untuk tujuan klinis atau penelitian.
• Disini dijelaskan sebuah metode deteksi otomatis OA menggunakan analisis gambar berbasis komputer. Pada Xray lutut.
• Tidak sepenuhnya dapat menggantikan seorang pembaca manusia, dapat berfungsi sebagai alat penunjang diagnosis dan dapat diterapkan untuk klasifikasi sejumlah besar X-ray pada penelitian klinis
• Data : gambar X-ray lutut selama dua tahun berturut-turut (BLSA) • Peserta: semua peserta, terlepas dari
gejala atau keterbatasan fungsional, sehingga memberikan representasi tanpa bias X-ray lutut dalam sampel penuaan.• X-ray Lutut fleksi tetap diperoleh dengan
sudut cahaya di 10 derajat, berfokus pada fossa poplitea menggunakan Siremobile Compact C-arm (Siemens Medical Solutions, Malvern, PA).
• Setiap gambar lutut diklasifikasikan menurut Kellgren-Lawrence (0-4).
• Pembaca X-ray : ahli radiologi dengan 25 tahun pengalaman membaca, dan membaca dari 50 hingga 100 muskuloskeletal X-ray per hari.
• Semua pembaca menerima pelatihan menggunakan satu set Xray dengan"standar emas".
• Yang dinilai : osteofit, penyempitan ruang sendi dan sclerosis dari kompartemen medial dan lateral, dan penajaman spina tibialis.
• Jumlah : 350 gambar X-ray lutut
KL
grade KL description
No. of
imag
es
0
1
2
3
No osteophytes, normal joint space
Doubtful narrowing, possible
osteophytes
Minimal but definite osteophytes, joint
space
Definite and moderate osteophytes
joint space narrow, some subchondral
sclerosis
154
102
39
55
Nilai KL 4 dan 5 berada diluar ruang lingkup penelitian karena gejala nyeri berat yang menyertai nilai OA ini, membuat deteksi berbasis komputer kurang efektif pada KL kelas 4, dan tidak relevan di KL kelas 5.
• Empat X-ray lutut dari nilai KL 0 (normal), 1 (diragukan), 2 (minimal) dan 3 (sedang). Seperti dapat dilihat pada gambar, sebagian besar gambar Xray adalah latar belakang atau bagian tidak relevan dari tulang, sementara hanya daerah sekitar sendi berisi informasi yang berguna untuk tujuan deteksi OA• Nilai KL yang berbeda mungkin terlihat cukup mirip dengan mata yang tak terlatih. Bahkan para ahli yang berpengalaman dan terlatih dapat menemukan kesulitan untuk menetapkan kelas KL dan menilai keparahan OA
Klasifikasi KL bukan Gold Standard Didasarkan pada seperangkat elemenradiografi visual yang telah diamati berkorelasi
dengan OA, tetapi tidak ada klaim yang menunjukkan bahwa serangkaian elemen ini lengkap. Dapat terlihat oleh korelasi parsial antara gejala nyeri dan klasifikasi KL.
Fitur penting : bahwa kemajuan OA kontinu, sementara nilai KL adalah diskrit. Artinya, Xray lutut diklasifikasikan sebagai KL kelas 1 dapat berada di suatu tempat antara kelas 0 dan 1, tapi karena nilai KL adalah kelas diskrit, kasus di-antara ini akan diklasifikasikan sebagai KL murni kelas 1.
• Hampir mustahil untuk mengulangi prosedur dengan cara yang sama persis karena :– perbedaan dalam fleksibilitas dari pasien – kemampuan mereka untuk menempatkan
lutut mereka pada posisi yang tepat,dan– kemampuan mereka untuk mempertahankan
posisi tersebut hingga X-ray diambil. Akibatnya, posisi sendi dalam gambar X-ray dapat bervariasi secara signifikan.
• Posisi sendi bervariasi algoritma deteksi sendi (menemukan dan memisahkan sendi dari keseluruhan gambar
Instrumen radiografi modern seperti komputer secara substansial lebih sensitif terhadap variasi, kekuatan deteksi komputer akan didasarkan pada klasifikasi data, bukan klasifikasi manual.
Dengan ekstraksi satu set besar fitur gambar, fitur yang paling informatif kemudian dipilih.
Fitur gambar dihitung tidak hanya pada piksel baku, tetapi juga pada transformasi beberapa gambar, dan juga pada transformasi dari transformasi
deskriptor konten gambar paling informatif adalah polinomial Zernike, diikuti oleh fitur Haralick dan tekstur Tamura.
Sifat radial Zernike polinomial memungkinkan fitur ini untuk mencerminkan perbedaan dalam unit disk peka terhadap ruang sendi pada Xray.
Boniatis dkk pola variasi intensitas piksel secara matematis digambarkan oleh fitur tekstur berkorelasi dengan perubahan biokimia, biomekanik dan struktural kartilago artikular dan jaringan tulang subchondral.
Proses ini telah dikaitkan dengan degenerasi kartilago pada OA mempengaruhi jaringan sendi dalam mode yang dapat dirasakan oleh tekstur radiografi.
Setelah menghitung nilai-nilai fitur semua gambar tes yang diberikan, vektor fitur yang dihasilkan diklasifikasikan menggunakan aturan Weighted Nearest Neighbor, yang merupakan salah satu rutinitas yang paling efektif untuk klasifikasi non-parametrik.
Bobotnya adalah skor Fisher Hasil : berpotensi dapat memberikan
estimasi resolusi yang lebih tinggi dengan menentukan tingkat keparahan OA dalam kelas (misalnya, KL kelas 1,6 untuk kasus keparahan OA antara KL kelas 0 dan 1).
Metode diuji dengan secara otomatis mengelompokkan OA sedang (KL kelas 3) dan lutut normal (KL kelas 0). Percobaan dilakukan dengan menggunakan 55 gambar X-ray dari setiap tingkatan, bahwa 20 gambar dari setiap kelas digunakan untuk pelatihan dan 35 untuk pengujian.
Ketepatan klasifikasi adalah 91,5% (P <0,000001),
Spesifisitas deteksi OA sedang adalah ~86.5%, dan sensitivitas adalah 95%.
Pembaca membedakan OA lutut sedang dan normal dengan akurasi 100%
akurasi klasifikasi KL kelas 2 (OA minimal) dan KL kelas 0 (normal). Dengan menggunakan 5 gambar lebih banyak training set 25 gambar pd masing-masing kelas
Ketepatan klasifikasi ~ 80,4% (P<0,0001). Spesifitas deteksi ~79,3%, sensitivitas ~81,4% deteksi KL kelas 2 kurang efektif dibandingkan
dengan deteksi otomatis KL kelas 3 fakta bahwa kemajuan OA adalah terus menerus,
sehingga KL kelas 2 diharapkan secara visual lebih mirip dengan nilai KL 0 daripada 3
Mengklasifikasikan KL kelas 1 (OA ragu-ragu) dari 0, yang memberikan akurasi klasifikasi sebesar 54% bila menggunakan 25 gambar per kelas untuk pelatihan dan 14 gambar untuk pengujian.
Meningkatkan ukuran set pelatihan untuk 70 sampel per kelas (dan 32 sampel untuk pengujian) sedikit membantu peningkatan kinerja sampai 57%
Fakta bahwa kedua nilai secara visual sangat mirip, dan bahkan pembaca manusia berpengalaman sering harus berjuang untuk membedakan antara keduanya
Nilai KL adalah diskrit sementara kemajuan OA sebenarnya terus menerus
Lutut diklasifikasikan sebagai positif OA jika sudah diklasifikasikan sebagai KL grade 2 atau lebih tinggi
Didapatkan kelas baru yg disebut OA positif .Tujuan mengklasifikasikan Xray positif OA dari
negatif OA. Ketepatan klasifikasi ini adalah ~86.1%, dengan sensitivitas dan spesifisitas masing-masing ~88.7% dan ~83.5%
X-ray diambil dari subyek manusia yang dipilih secara acak yang berpartisipasi dalam studi BLSA hasil yang disajikan dapat digeneralisasi pada populasi lansia secara keseluruhan
Tidak adanya metode diagnosis OA yang akurat, maka klasifikasi manual KL digunakan di sini sebagai gold standard
Klasifikasi ini didasarkan data X-ray yang secara manual diklasifikasikan dari nilai KL yang berbeda, yang mewakili berbagai tahap keparahan OA.
Hasil penelitian menunjukkan bahwa lebih dari 95% kasus OA sedang dibedakan secara akurat dari kasus normal, akurasi OA minimal ~80%, dan deteksi kasus OA meragukan tidak meyakinkan.
Karena sifat subjektif dari gold standar korelasi 100% antara klasifikasi berbasis komputer dan manual tidak dapat dicapai.
KL nilai 4 (OA berat) dan 5 (lutut diganti) tetap berada di luar lingkup penelitian ini karena gejala berat yang menyertai tahap ini, dan deteksi relatif mudah OA di tahap ini.
Sedangkan akurasi klasifikasi nilai KL 1 dan 2 tidak dapat dianggap kuat, karena subjektifitas dari gold standar, maka kebingungan dari deteksi otomatis antara kedua nilai tidak dapat dianggap aneh.
Penelitian ini akan terus dilanjutkan hingga diperoleh x-ray dapat mendeteksi OA sebelum bukti radiografis terlihat oleh seorang pembaca.