Volume Estimation of Lung Cancer using Image-J For CT-Scan Image

Nurjannah Nurjannah, Syarifah Zainura, Edwar Iswardy, Elin Yusibani

Abstract

ABSTRACT

Lung cancer is a malignant tumor that develops in the lower respiratory system, including cells in the walls of the bronchi and bronchioles. Lung cancer originates from genetic changes in cells in the lungs. Improper treatment of lung cancer can cause the cancer to spread to other nearby tissues around the lungs. By conducting early detection of lung cancer, it will help patients to get appropriate treatment. One of the medical instruments used to detect lung cancer is the CT-Scan. This instrument’s examination can provide information about the location, size, characteristics of the tumor, lymph node spread, and tissue infiltration into the surroundings, thus helping to determine the clinical stage of lung cancer. Organ size determination is one of the analysis of pulmonary image for diagnostic and therapeutic purposes. The purpose of this study was to obtain information on the volume of lung cancer based on the results of CT Scan images using Image J software. Information on the edges of the lungs affected by cancer was carried out by the edge detection method. The results of this study show that Image-J software can provide a clear picture of the edges of the cancer and obtain accurate cancer volume at each image slice. Based on calculations obtained in the 1st patient, it was calculated to have a volume of 128 cm3, in the 2nd patient of 447 cm3 and in the 3rd patient of 335 cm3, respectively.

Keywords: Ct Scan image; lung cancer; edge detection; volume analysis; Image J

ABSTRAK

Kanker paru merupakan tumor ganas yang berkembang pada sistem pernapasan bagian bawah, termasuk sel-sel di dinding bronkus dan bronkiolus. Kanker paru berawal dari perubahan genetik sel di dalam paru-paru. Penanganan kanker paru yang tidak tepat dapat menyebabkan kanker menyebar ke jaringan lain yang terdekat di sekitar paru-paru. Dengan dilakukan pendeteksian dini kanker paru, maka akan sangat membantu penderita agar mendapatkan penanganan yang cepat dan tepat. Salah satu instrumen medis yang digunakan untuk mendeteksi kanker paru adalah pesawat CT-Scan. Pemeriksaan CT-Scan dapat memberikan informasi tentang lokasi, ukuran, karakteristik tumor, penyebaran kelenjar getah bening, dan infiltrasi jaringan ke sekitarnya sehingga membantu penetapan stadium klinis kanker paru. Penentuan ukuran organ merupakan salah satu analisa terhadap citra paru untuk keperluan diagnosa dan terapi. Tujuan penelitian ini adalah memperoleh informasi volume kanker paru berdasarkan hasil citra CT Scan menggunakan Image J. Informasi gambaran tepi paru yang terkena kanker dilakukan dengan metode deteksi tepi. Hasil dari penelitian ini menunjukan bahwa software Image-J dapat memberikan gambaran tepi kanker yang jelas dan diperoleh volume kanker yang akurat pada setiap irisan citra. Berdasarkan perhitungan didapatkan pada pasien ke-1 terhitung memiliki volume sebesar 128 cm3, pada pasien ke-2 sebesar 447 cm3 dan pada pasien ke-3 sebesar 335 cm3.

Kata kunci: CT Scan; Kanker paru; deteksi tepi; analisis volume; Image J

Keywords

CT Scan; Kanker paru; deteksi tepi; analisis volume; Image J

Full Text:

PDF

References

  1. Aini, S. R., Wulandari, L., & Andajani, S. 2019. Lung Cancer Patients’ Profile in Dr Soetomo General Hospital Surabaya 2016 - 2017: Newest Report. Jurnal Ilmiah Mahasiswa Kedokteran Universitas Airlangga, 10(1), 44-47. https://doi.org/10.20473/Juxta.V10I12019.44-47
  2. Wibawa, M.S. 2018. Studi Komparasi Metode Segmentasi Paru- Paru Pada Citra CT Scan Axial. Jurnal Nasional Pendidikan Teknik Informatika. 7(3), 283-292. https://doi.org/10.23887/Janapati.V7i3.15751
  3. Immagulate, I., & Vijaya, M. S. 2015. Categorization Of Non-Melanoma Skin Lesion Diseases Using Support Vector Machine and Its Variants. International Journal of Medical Imaging. 3(2), 34-40. Doi: 10.11648/J.Ijmi.20150302.15
  4. Hasanah, R.L & Riana, D. 2021. Classification of Dermoscopic Image of Skin Cancer Using The GLCM Method And Multi SVM Algorithm. Rekayasa 14 (3). 407-415. Doi: Https://Doi.Org/10.21107/Rekayasa.V14i3.12213.
  5. Fadillah, N. & Gunawan, C. R. 2019. Segmentasi Citra CT-Scan Paru-Paru Dengan Menggunakan Metode Active Contour. Jurnal Riset Komputer, 6(2) Http://Dx.Doi.Org/10.30865/Jurikom.V6i2.1166
  6. Fakhrurrozi, B., & Kusworo, A. 2014. Segmentasi Citra Medis Untuk Pengenalan Objek Kankermenggunakan Metode Active Contour. Youngster Physics Journal, 3(3) 209-219
  7. Desviana, Rini Safitri* dan Saumi Syahreza. 2018. Identifikasi Citra Ct Scan Tumor Paru Dengan Memvariasikan Nilai Tepi Kuat Dan Lemah Berbasis Algoritma Deteksi Tepi Canny. J. Aceh Phys. Soc. Vol. 7, No.2 pp.61-66
  8. Owen, B., Gandara, D., Kelly, K., Moore, E., Shelton, D. & Knollmann, F. 2019. CT Volumetry and Basic Texture Analysis as Surrogate Markers in Advance Non-Small Cell Lung Cancer. Clin. Lung Cancer 21(3), 225-231. DOI: 10.1016/J.Cllc.2019.08.004
  9. Ayu, R. G. 2018. Analisis Noise Berdasarkan Slice Thickness Dengan Teknik Irisan Axial Pada Citra Computed Tomography (CT-Scan). Skripsi, Jurusan Fisika, FMIPA, Universitas Jember.
  10. Febrietri, O., Milvita, D. & Diyona, F. 2020, Analisis Dosis Radiasi Paru-Paru Pasien Kanker Payudara Dengan Teknik Three-Dimensional Conformal Radiation Therapy (3D-CRT) Berdasarkan Grafik Dose Volume Histogram (DVH), Jurnal Fisika Unand, 9(1), 110–117
  11. Azura, A. R. & Diantini, A. 2019, Peran Nutrasetikal Pada Kanker Paru-Paru, Farmaka, 7(2), 209-221. Https://Doi.Org/10.24198/Jf.V17i2.22044
  12. Mulyaningsih, N. N., Widiyatun, F. & Wahyuni, S. E. 2020. Rekomendasi Teknik Analisis Citra SEM Dengan Menggunakan Free Software Image J. Wahana Fisika, Jurnal Fisika Dan Terapannya, 5(2), 104-112. Https://Doi.Org/10.17509/Wafi.V5i2.28021
  13. Iswardy, E., Munzir, & Yufita, E. 2022. Improvements to Conventional Methods For Determining Lung Cancer Areas From CT Scan Images Using ImageJ – Software. Journal of Physics: Theories and Applications. 6(2) 97-105 Doi: 10.20961/Jphystheor-Appl.V6i2.59349
  14. Faizah, K. 2017. Estimasi Luasan Porositas Pada Citra Digital Fibermat Poli (Vynil Alcohol) Dengan Software ImageJ. Jurnal Agroteknose. 8(2).
  15. Yunianto, M., Soeparmi, Cari, Anwar, F., Septianingsih, D.N., Ardyanto, T. D. & Pradana, R.F. 2021. Klasifikasi Kanker Paru Paru Menggunakan Naïve Bayes Dengan Variasi Filter Dan Ekstraksi Ciri Gray Level Cooccurance Matrix (GLCM). Indonesian Journal of Applied Physics 11(2) 256
  16. Kanagaraj, G., & Kumar, P. S. 2020. Pulmonary Tumor Detection by Virtue of GLCM. Journal of Scientific & Industrial Research, 79, 132–134
  17. Otsu, N. 1979. A Threshold Selection Method from Gray-Level Histograms. IEEE Transactions on Systems, Man, and Cybernetics, 9, 62–69
  18. Rahmatullah, K. R. 2017. Binerisasi Manuskrip Nusantara Menggunakan Algoritma Niblack. Skripsi. Teknik Informatika Universitas Sanata Dharma, Yogyakarta.
  19. Nuraini, L.2016. Segmentasi Sel Kanker Payudara Pada Citra Mikroskopis Menggunakan Fuzzy Cmeans Dan Modifikasi Watershed. Skripsi. Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember Surabaya
  20. Dello, S. A. W. G., Van Dam, R. M., Slangen, J. J. G., Van De Poll, M. C. G. Bemelmans, M. H. A., Greve, J. W. W. M., Beets-Tan, R.G. H., Wigmore, S. J. & Dejong, C. H. C. 2007. Liver Volumetry Plug and Play: Do It Yourself with ImageJ. Jurnal World J Surg. 31, 2215–2221. DOI 10.1007/S00268-007-9197-X
  21. PDPI. 2015. Pedoman Diagnosis & Penatalaksanaan Penyakit Kanker Paru di Indonesia. Jakarta: Perhimpunan Dokter Paru Indonesia

DOI: https://doi.org/10.13057/ijap.v14i1.67723

Refbacks

  • There are currently no refbacks.