Jurnal Elkomika (Jan 2021)

Segmentation-Based Fractal Texture Analysis (SFTA) to Detect Mass in Mammogram Images

  • IRMA AMELIA DEWI,
  • NUR FITRIANTI FAHRUDIN,
  • JODI RAINA

DOI
https://doi.org/10.26760/elkomika.v9i1.203
Journal volume & issue
Vol. 9, no. 1

Abstract

Read online

ABSTRAK Di Indonesia, kasus kanker paling banyak adalah kanker payudara yaitu 58.256 kasus atau 16,7% dari total 348.809 kasus kanker. Dibutuhkan suatu sistem yang dapat membantu pakar untuk mendeteksi kanker payudara pada wanita dengan mengindentifikasi citra mammogram. Keabnormalan dapat dideteksi dari massa pada mammogram yaitu area dengan pola tekstur dan bentuk serta batas tertentu. Berdasarkan hal tersebut maka dibuat sebuah sistem yang dapat mendeteksi massa kanker pada citra mammogram menggunakan Segmentation-Based Fractal Texture Analysis (SFTA). Tahapan pertama akuisisi citra, dilanjut dengan segmentasi menggunakan k-means dan thresholding. Hasil dari segmentasi citra dilakukan tahapan morfologi menggunakan opening dan masking. Setelah itu dilakukan ekstraksi fitur SFTA, dan klasifikasi Support Vector Machine (SVM). Hasil pengujian penelitian ini didapatkan nilai akurasi sebesar 90%, presisi sebesar 87,75%, recall sebesar 93,33%dan f1-score 90,32% dengan nilai number of threshold (nt) SFTA adalah 3 Kata kunci: mammogram, SFTA, kanker payudara, klasifikasi ABSTRACT In Indonesia, the most cancer cases were breast cancer, namely 58,256 cases or 16.7% of the total 348,809 cancer cases. A system is required to assist the expert in detecting breast cancer in women by identifying mammogram images. Abnormalities in a mammogram are determined in part of texture with a particular form and specific limit, usually called a ‘mass.’ Image acquisition is perceived as the first step, followed by segmentation using the k-means and the thresholding. Image segmentation undergoes the morphological analysis steps using opening and masking methods, after feature extraction processing by SFTA, using Support Vector Machine (SVM) for classification processing. The obtained research result revealed an accuracy value of 90%, a precision value of 87.75%, a recall value of 93.33%, and an F1-Score of 90.32%, with the number of thresholds (nt) of SFTA amounting to 3. Keywords: Breast cancer, Mammogram, Classification, SFTA

Keywords