Diabetic Wound Segmentation Using Masking Contour Image Processing

Abstract

Measuring the wound area in diabetics is still using a manual way with a wound ruler. Whereas the ruler affixed to the wound will become a contaminated agent that can transmit the infection to other recipients. Digital measurement methods are needed to solve the problem. However, clarifying the boundaries between the wound and the skin requires carefulness and high accuracy. For this reason, it has needed an imaging method that can do segmentation between the wound and the skin boundary for diabetic patients based on digital, called digital planimetry. This study uses a masking contour image processing algorithm from the Hue, Saturation, Value (HSV), Then doing iteration five times and gamma filter. So the result of segmentation is formed. This study concludes that the segmentation with this method has not been able to perform the segment properly, and it requires more masking values, but the results of the 5th iteration got a minor error, which is 0.002%. The digital imaging carried out in this study could be developed to be a digital-based diabetic patient wound measurement tool. Keywords— Digital planimetry, Image processing, HSV, Diabetic wound, Contour image Segmentasi Luka Diabetes Menggunakan Masking Contour Image Processing 112 Jurnal Ilmiah SISFOTENIKAJuly201xIJCCS 1. PENDAHULUAN Diabetes adalah salah satu penyakit berbahaya No.6 yang banyak menyebabkan kematian di Indonesia. Jumlah penderitanya berusia rentang dari 20 – 76 tahun diperkirakan lebih dari 10.3 juta penderita [1]. Menurut International Diabetes Federation (IDF) tahun 2019 [2], sekitar 463 juta orang menderita diabetes melitus berusia diantara 20-79 tahun. Penderita diabetes diperkirakan akan mengalami kejadian seumur hidup atau tidak tersembuhkan antara 15-25% [3], bahkan ketika dapat disembuhkan maka tingkat untuk mengulang kembali luka diabetes sebesar 30-40% di tahun pertama kesembuhan [4]. Diabetes ulcer adalah luka yang disebabkan oleh komplikasi kronik dari diabetes melitus pada penderita diabetes. Pada umumnya ada dua jenis penyebab luka pada pasien diabetes, yaitu penyakit neuropati dan vaskularisasi [5] . Pengukuran luka diabetes masih dilakukan dengan cara manual dengan langsung meletakan alat ukur/penggaris di luka pasien, hal ini dapat menyebabkan infeksi luka karena penggaris yang ditempelkan ke luka akan menjadi pengantar bakteri. Luka yang diukur menggunakan cara manual ini dapat menyebabkan tidak akuratnya hasil ukur. Hasil ukur luka juga mempengaruhi metode pengobatan selanjutnya, besar kecil luka akan diperlakukan dengan metode pengobatan yang berbeda. Untuk itu diperlukan metode digitalisasi dan dokumentasi luas luka yang akurat. Pengkajian luka dengan pendekatan citra digital atau dikenal dengan istilah digital planimetry [6–8] . Penelitian yang dilakukan [9] menggunakan watershed segmentation dengan teknik flooding dan purning pada luka diabetes mendapatkan hasil akurasi segmentasi paling kecil sebesar 97.85 % dah bahkan pada salah satu gambar terdapat akurasi 100%. Namun dari penelitian mereka tersebut masih terbatas pada gambar luka yang tidak banyak variasi warna sehingga kemungkinan error memang sangat kecil. Untuk melakukan segmentasi luka agar algoritma dapat membedakan dengan jelas batas kulit dan luka maka digunakan algoritma image processing dengan melakukan seleksi warna luka dari nilai hue, saturation, value (HSV) [10] yang diberikan, kemudian dikonversi menggunakan teknik contour image [11–13] sehingga nanti akan dirubah terlebih dahulu menjadi warna hitam putih. Melakukan perhitungan posisi luka dari seleksi nilai warna yang diberikan sebelumnya dan hasil akhir dari teknik segmentasi ini adalah akurasi luas luka dari beberapa nilai HSV yang diberikan sebagai input. HSV didefinisikan sebagai Hue, Saturation dan Value [14], yang mendekati apa yang ditangkap oleh retina mata manusia. Hue digunakan untuk membedakan warna sebenarnya yang berpengaruh terhadap intensitas panjang gelombang cahaya seperti kemerahan (redness), kehijauan (greenness). Saturation digunakan untuk menyatakan tingkat kemurnian atau kekuatan suatu warna seperti berapa banyak merah di berikan pada warna. Value mewakili kecerahan warna atau banyaknya cahaya yang diterima retina mata tanpa memperdulikan warna yang ada. Nilai value berkisar antara 0-100%. Nilai masing-masing HSV adalah H = 0-179, S = 0-255 dan V = 0-255.Semakin besar nilai value maka akan semakin cerah dan akan memunculkan variasi warna baru. Representasi dari warna HSV dapat dilihat pada Gambar 1. Gambar 1. HSV Color Space Wien Fitrian Roshandri, Ema Utami, Agung Budi Prasetio implie Vol. 11, No. 2, Juli 2021 113 Sebelum menentukan nilai HSV maka ditentukan nilai red, green, blue (RGB) terlebih dahulu sebagai koordinat warna [15]. Secara teknis warna RGB dipresentasikan dengan tiga komponen nilai. Setiap komponen nilai dapat bernilai 0 sampai 255 [16, 17] dimana (0,0,0) dipreyeksikan sebagai warna hitam dan (255,255,255) sebagai warna putih. RGB inilah disebut dengan color space [18] yang dapat memproyeksikan warna utama sehingga menjadi warna yang additive. Beberapa contoh warna yang dihasilkan dari campuran RGB [19] dapat dilihat pada Tabel 1. Tabel 1. Konversi warna RGB : sumber www.rapidtables.com Warna Nama Hex (R,G,B) (H,S,V) Black #000000 (0,0,0) (0,0,0) White #FFFFFF (255,255,255) (0,0,100) Red #FF0000 (255,0,0) (0,100,100) Lime #00FF00 (0,255,0) (120,100,100) Blue #0000FF (0,0,255) (240,100,100) Yellow #FFFF00 (255,255,0) (60,100,100) Setelah nilai HSV didapatkan maka langkah selanjutmya adalah melakukan segmentasi warna. Segmentasi warna adalah sebuah proses pendekatan warna yang bekerja dengan menganalisis nilai warna dari tiap pixel dan membagi citra tersebut sesuai fitur yang diinginkan. 2. METODE PENELITIAN Penelitian terapan kuantitatif ini menggunakan bahasa pemograman python dengan KMeans unsupervised machine learning algorithms sebagai basis penelitian. K-Means digunakan untuk mempartisi color mapping pixel yang ada kedalam 5 cluster berdasarkan karakteristiknya, sehingga pixel yang mempunyai karakteristik yang sama dikelompokan dalam satu cluster dan pixel yang mempunyai karakteristik berbeda dikelompokan kedalam cluster yang lain. Luka yang menjadi bahan pada penelitian ini adalah luka gangren basah pada kaki penderita diabetes. Langkah penelitian dapat dilihat pada Gambar 2. Gambar 2. Langkah-langkah penelitian yang dilakukan Segmentasi Luka Diabetes Menggunakan Masking Contour Image Processing 114 Jurnal Ilmiah SISFOTENIKAJuly201xIJCCS Sebelum menentukan segmentasi luka maka ada beberapa teknik yang diterapkan, diantaranya ;