Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini menyajikan ekstraksi fitur citra dermatoskopik untuk diagnosis kanker kulit melanoma berdasarkan asymmetry, border irregularity, color variation, dan diameter (ABCD). Fitur ABCD adalah informasi yang penting berdasarkan analisis morfologi lesi citra dermatoskopik. Fitur tersebut digunakan dalam perhitungan Total Dermatoscopic Value (TDV) untuk diagnosis kanker kulit melanoma. Fitur asymmetry terdiri dari informasi asimetri dan indeks perpanjangan luka. Fitur border irregularity terdiri dari informasi indeks compactness, dimensi fraktal, edge abruptness, dan transisi pigmentasi dari lesi. Warna fitur homogenitas terdiri dari informasi homogenitas warna dan korelasi antara fotometri dan geometri lesi. Ekstraksi diameter adalah diameter lesi. Ada tiga diagnosa yang digunakan pada penelitian ini yaitu melanoma, diduga melanoma, dan benign skin lesion. Percobaan ini menggunakan 30 sampel dari lesi citra dermatoskopik kanker kulit melanoma yang mencurigakan. Berdasarkan percobaan, akurasi dari sistem ini adalah 85% dan terdapat empat diagnosa palsu dari 30 sampel.

---

AbstractThis research present asymmetry, border irregularity, color variation, and diameter (ABCD) feature extraction of image dermatoscopic for melanoma skin cancer diagnosis. ABCD feature is the important information based on morphology analysis of image dermatoscopic lesion. ABCD feature is used to calculate Total Dermatoscopic Value (TDV) for melanoma skin cancer diagnosis. Asymmetry feature consist information of asymmetry and lengthening index of the lesion. Border irregularity feature consist information of compactness index, fractal dimension, edge abruptness, and pigmentation transition from the lesion. Color homogeneity feature consist information of color homogeneity and the correlation between photometry and geometry of the lesion. Diameter extraction is diameter of the lesion. There are three diagnosis that is used on this research i.e. melanoma, suspicious, and benign skin lesion. The experiment uses 30 samples of image dermatoscopic lesion that is suspicious melanoma skin cancer. Based on the experiment, the accuracy of the system is 85% that there are four false diagnoses of 30 samples."

"This research present asymmetry, border irregularity, color variation, and diameter (ABCD) feature extraction of image dermatoscopic for melanoma skin cancer diagnosis. ABCD feature is the important information based on morphology analysis of image dermatoscopic lesion. ABCD feature is used to calculate Total Dermatoscopic Value (TDV) for melanoma skin cancer diagnosis. Asymmetry feature consist information of asymmetry and lengthening index of the lesion. Border irregularity feature consist information of compactness index, fractal dimension, edge abruptness, and pigmentation transition from the lesion. Color homogeneity feature consist information of color homogeneity and the correlation between photometry and geometry of the lesion. Diameter extraction is diameter of the lesion. There are three diagnosis that is used on this research i.e. melanoma, suspicious, and benign skin lesion. The experiment uses 30 samples of image dermatoscopic lesion that is suspicious melanoma skin cancer. Based on the experiment, the accuracy of the system is 85% that there are four false diagnoses of 30 samples.

---

Penelitian ini menyajikan ekstraksi fitur citra dermatoskopik untuk diagnosis kanker kulit melanoma berdasarkan asymmetry, border irregularity, color variation, dan diameter (ABCD). Fitur ABCD adalah informasi yang penting berdasarkan analisis morfologi lesi citra dermatoskopik. Fitur tersebut digunakan dalam perhitungan Total Dermatoscopic Value (TDV) untuk diagnosis kanker kulit melanoma. Fitur asymmetry terdiri dari informasi asimetri dan indeks perpanjangan luka. Fitur border irregularity terdiri dari informasi indeks compactness, dimensi fraktal, edge abruptness, dan transisi pigmentasi dari lesi. Warna fitur homogenitas terdiri dari informasi homogenitas warna dan korelasi antara fotometri dan geometri lesi. Ekstraksi diameter adalah diameter lesi. Ada tiga diagnosa yang digunakan pada penelitian ini yaitu melanoma, diduga melanoma, dan benign skin lesion. Percobaan ini menggunakan 30 sampel dari lesi citra dermatoskopik kanker kulit melanoma yang mencurigakan. Berdasarkan percobaan, akurasi dari sistem ini adalah 85% dan terdapat empat diagnosa palsu dari 30 sampel."

"Skin cancer is a malignant growth on the skin caused by many factors. The most common skin cancers are Basal CellCancer (BCC) and Squamous Cell Cancer (SCC). This research uses a discriminant analysis to classify some tissues ofskin cancer based on criterion number of independent variables. An independent variable is variation of excitation lightsources (LED lamp), filters, and sensors to measure Autofluorescence Intensity (IAF) of visible light to near infrared(VIS/NIR) ratio of paraffin embedded tissue biopsy from BCC, SCC, and Lipoma. From the result of discriminantanalysis, it is known that the discriminant function is determined by 4 (four) independent variables i.e., Blue LED-RedFilter, Blue LED-Yellow Filter, UV LED-Blue Filter, and UV LED-Yellow Filter. The accuracy of discriminant inclassifying the analysis of three skin cancer tissues is 100 %."

"Penelitian ini bertujuan untuk mengembangkan model deteksi penyakit kulit pada hewan peliharaan menggunakan image processing dan Deep Learning. Model ini dirancang untuk mendeteksi tiga jenis penyakit kulit yang umum, yaitu Ringworm, Scabies, dan Earmite, dengan memanfaatkan gambar yang diambil menggunakan kamera ponsel. Model ini menggabungkan teknik image processing, seperti CLAHE, filter Gaussian, dan segmentasi HSV, dengan model CNN. Evaluasi model dilakukan menggunakan metrik Accuracy, Precision, Recall, dan F1-score. Pada penelitian ini digunakan dua model untuk mendeteksi penyakit yang berbeda. Hasil penelitian menunjukkan bahwa untuk model 1, yang melakukan klasifikasi multi-kelas, nilai metrik validasi Akurasi mencapai 83%, F1-score mencapai 82%, Precision mencapai 89%, dan Recall mencapai 83%. Sedangkan untuk hasil model 2, yang melakukan klasifikasi biner, nilai akurasi mencapai 100%, F1-score mencapai 100%, Precision mencapai 100%, dan Recall mencapai 100%. Model ini juga menunjukkan kinerja yang lebih baik dibandingkan dengan model transfer learning ResNet-50 dan VGG16.

---

This research aims to develop a skin disease detection model for pets using image processing and Deep Learning . The model is designed to detect three common skin diseases, namely Ringworm, Scabies, and Earmite, using images captured by mobile phone cameras. The model combines image processing techniques, such as CLAHE, Gaussian filter, and HSV segmentation, with a CNN model. Model evaluation is performed using the Accuracy, Precision, Recall, and F1-score metrics. In this study, two models were used to detect different diseases. The research results show that for model 1, which performs multi-class classification, the validation metric value of Accuracy reaches 83%, F1-score reaches 82%, Precision reaches 89%, and Recall reaches 83%. Meanwhile, for the results of model 2, which performs binary classification, the accuracy value reaches 100%, F1-score reaches 100%, Precision reaches 100%, and Recall reaches 100%. This model also shows better performance compared to the ResNet-50 and VGG16 transfer learning models."

"Latar Belakang : Pemahaman mengenai karakteristik biologik dan faktor prognostik melanoma malignum yang merupakan tumor ganas melanositik merupakan hal yang penting karena berhubungan dengan pemilihan terapi serta kesintasan penderita. Agresivitas tumor dapat dinilai dari beberapa faktor histopatologik, antara lain: ada tidaknya ulserasi, aktivitas mitosis, dan keterlibatan kelenjar getah bening. Ekspresi protein p16 dan ki67 merupakan beberapa marker yang memiliki peran dalam prediktif prognostik melanoma malignum. Tujuan : Mengetahui hubungan antara ekspresi protein p16 dan Ki67 pada beberapa faktor prognostik histopatologik yang dapat digunakan sebagai penanda agresivitas tumor yaitu ulserasi, aktivitas mitosis dan metastasis pada tumor primer melanoma malignum jenis nodular. Metode : Penelitian ini merupakan studi potong lintang dengan metode imunohistokimia menggunakan p16 dan Ki67 pada 25 kasus melanoma malignum jenis nodular. Hasil : Ekspresi protein p16 negatif pada 40% kasus melanoma ulseratif dan 52% kasus dengan aktivitas mitosis tinggi, dan 16% kasus pada metastasis kgb. Ekspresi Ki67 positif pada 44% kasus melanoma dengan aktivitas mitosis tinggi, dan 20 % kasus melanoma metastasis serta 32% kasus dengan ulserasi. Kesimpulan : Tidak terdapat hubungan yang bermakna antara ekspresi p16 dengan gambaran ulserasi, aktivitas mitosis tinggi, dan metastasis kgb pada melanoma malignum kulit jenis nodular. Tidak terdapat hubungan antara ekspresi Ki67 dengan gambaran ulserasi, aktivitas mitosis tinggi serta metastasis kgb pada melanoma malignum kulit jenis nodular.

---

Background : To understanding about biological behaviour and prognostic factor of melanoma malignum as a malignant tumor from melanocyte is important, because its relationship with choise of therapy and survival of the patiens. The aggresivity of the tumour, can be predicted from several prognostic factors: ulceration of the tumour, mitotic activity, and lymph nodes metastasis. P16 and Ki67 protein expressions can be used as a prognostic markers in cutaneous nodular melanoma malignum.

Aim : Assesing p16 and Ki67 protein expression and its relatinoship with several histopatological prognostic factors as a marker of aggressiveness of the tumors: ulceratin, mitotic activity, and lymph nodes metastasis in cutaneous nodular melanoma malignum.

Metode : This was a cross-sectional study on 25 cases of nodular melanoma, stained with p16 and ki67 antibody with immunohistochemical methods.

Result : P16 negative expression can be found in 40% of ulcerated melanoma cases, and 52% cases with high mitotic activity and 16% of cutaneous nodular melanoma with lymph nodes metastasis. Ki67 positive expression was found in 44% of cases with high mitotic activity, 20% cases of metastasis melanoma and 32% cases in ulcerated melanoma.

Conclusion : There was no statistically significant association between p16 expression with ulcerated melanoma, high mitotic activity,and metastatic melanoma in lymph nodes. Also no statistically significant between Ki67 expression with ulcerated melanoma, high mitotic activity and lymph nodes metastatic melanoma."

"Kualitas permukaan produk hasil proses pemesinan adalah salah satu parameter penting dalam proses manufaktur. Metode yang paling umum untuk mengukur nilai kekasaran permukaan adalah metode kontak mekanik antara pergerakan jarum dengan permukaan produk. Metode ini memiliki banyak kelemahan karena bisa merusak permukaan poduk dan cenderung lama. Untuk itu maka dikembangkan teknologi optik-elektrik yang mampu mengevaluasi kekasaran permukaan berdasarkan image hasil identifikasi kamera digital.Penelitian ini bertujuan untuk mengidentifikasi fitur permukaan produk hasil pemesinan turning dan melakukan analisa korelasi dengan nilai kekasaran rata-ratanya (Ra). Material yang diuji adalah carbonsteel dengan diameter 20 mm dan panjang 100 mm sejumlah 10 sampel. Pengukuran kekasaran rata-rata (Ra) memakai stylus-profile meter. Identifikasi profil permukaan menggunakan kamera digital Canon EOS 350D yang terhubung pada mikroskop dengan perbesaran 100 kali. Pencahayaan yang digunakan adalah 10 buah LED warna putih dengan sudut pencahayaan sebesar 45°. Software yang digunakan untuk melakukan image processing adalah Matlab.Hasil yang dicapai menunjukan adanya pola yang khas pada image berupa garis hitam dan putih yang bervariasi. Lebar garis putih, jarak antar garis putih dan grafik histogram warna menunjukan adanya korelasi dengan nilai kekasaran rata-ratanya.

---

Surface quality of machined-part is an important parameter in manufacturing process. Recently, measuring of surface roughness is commonly performed by mechanical contact between stylus and product surface. However, this method is not fast enough and can potentialy damage the product. Therefore, a different method, which is used here, relied on optic-electric relationship has been developed based on digital camera images.

The objective of current study is to identify the surface features of turned-parts machining and their correlation with respect to Roughness average (Ra) of stylus-profile meter. Ten samples of carbonsteel specimen, i.e., 100 mm length and 20 mm wide, are used during experiment. The identification of surface features is done by Canon EOS 350D digital camera and 100 times microscope magnification using 10 white LED and 45 degrees angle lighting. Sample images produced by the identification is then processed in Matlab.

Finally, a unique pattern, i.e., black and white line, can be observed on the processed images which indicates correlation with roughness average."

"Penelitian ini menerapkan dan menganalisa teknik pengolahan citra untuk deteksi kanker paru-paru. Teknik pengolahan citra banyak digunakan di beberapa masalah medis untuk perbaikan citra dalam deteksi fase dan pengobatan dini. Penelitian ini mengusulkan metode deteksi kanker paru-paru berbasis segmentasi citra. Segmentasi citra adalah salah satu pengolahan tingkat menengah dalam pengolahan citra. Pendekatan wilayah dan watershed digunakan untuk proses segmentasi citra CT scan. Fase deteksi yaitu peningkatan kualitas citra menggunakan filter Gabor, segmentasi citra, dan ekstraksi fitur dengan binerisasi. Dari hasil percobaan, ditemukan efektivitas dari pendekatan tersebut. Fitur utama untuk mendeteksi kanker adalah dengan menggunakan perbandingan yang dilakukan dengan persentase piksel dan penanda citra.

---

In this undergraduate thesis, we implement and analyze the image processing method for detection of lung cancer. Image processing techniques are widely used in several medical problems for repairs picture in the phase detection and early treatment. This research proposed a detection method of lung cancer using image segmentation. Image segmentation is one of intermediate level processing in image processing. Marker control and watershed approach are used to segment of CT scan image. Detection phases are followed by image enhancement using Gabor filter, image segmentation, and features extraction with binarization. From the experimental results, we found the effectiveness of our approach. The main detected features for accurate images comparison are mask labeling with high accuracy and robust."

"Skin cancer as the most common cancer diagnosis tend to be increasing.This condition is a particularly significant issue in developed countries. Thisstudy aimed to describe the clinical features, histopathological features,complications, and early surgical treatment outcomes of skin cancer in CanTho Oncology Hospital from 2014 to 2015. This descriptive prospectivestudy involved all patients with non-melanoma skin cancer that were examinedand treated at Can Tho Oncology Hospital from July 2014 to March2015. There were 78 cases selected. Skin cancer was found to be morecommon among older patients. The prevalence of basal cell carcinoma wasfound higher than squamous cell carcinoma with percentage worth 76.9%and 23.1% respectively. Worth 73.1% of all the patients in the study underwentsurgery with wide resection and reconstruction. In this study, most patientswere the elderly. The basal cell carcinoma was the most common. Themain treatment was surgery with wide resection and reconstruction. The complication was rare 1.3% with skin flap necrosis.Kanker kulit, diagnosis kanker paling umum, cenderung mengalami peningkatan.Kondisi ini secara khusus merupakan isu penting di negara-negaramaju. Penelitian ini bertujuan untuk mendeskripsikan fitur klinis, fiturhispatologis, komplikasi dan hasil pengobatan bedah awal kanker kulit diRumah Sakit Onkologi Can Tho dari tahun 2014 sampai 2015. Penelitiandeskriptif prospektif ini melibatkan seluruh pasien dengan kanker kulit nonmelanomayang diuji dan diobati di Rumah Sakit Onkologi Can Tho dari Juli2014 sampai Maret 2015. Terdapat 78 kasus terpilih. Kanker kulit ditemukanlebih umum pada pasien yang lebih tua. Prevalensi karsinoma sel basalditemukan lebih tinggi dibandingkan karsinoma sel skuamosa dengan persentase masing-masing 76,9% dan 23,1%. Sebesar 73,1% dari seluruhpasien dalam penelitian ini menjalani bedah dengan rekonstruksi dan reseksiyang lebar. Dalam penelitian ini, sebagian besar pasien adalah lanjutusia. Karsinoma sel basal adalah yang paling umum. Pengobatan utamaadalah bedah dengan rekonstruksi dan reseksi yang lebar. Komplikasi jarang terjadi 1,3% dengan nekrosis lipatan kulit."

"Pengecekan segitiga dalam model 3 dimensi berfaset merupakan tahapan penting dalam deteksi gouging dan proses eliminasi. Untuk mengecek apakah permukaan model bersinggungan dengan alat, setiap segitiga pada model harus diperiksa. Akan tetapi, proses ini membutuhkan waktu yang lama. Segitiga-segitiga pada seluruh permukaan model harus diperiksa karena komputer tidak dapat melihat dan tidak mengetahui segitiga mana yang terletak di bawah posisi alat saat ini. Untuk mengurangi konsumsi waktu, pengecekan wilayah pada setiap posisi alat harus dapat dideteksi. Segitiga yang harus diperiksa adalah hanya yang berada pada wilayah tersebut. Cara yang dapat dilakukan untuk menetapkan wilayah adalah dengan menggunakan bucketing. Proses bucketing akan membuat beberapa bucket sebagai representasi dari beberapa wilayah dan setiap bucket akan diisi dengan segittiga yang terletak pada wilayah terkait. Terdapat beberapa metode bucketing. Paper ini akan menjelaskan semua metode yang telah diimplementasikan di dalam riset.

---

AbstractTriangle?s checking in 3D faceted models is an essential step in gouging detection and elimination process. To check whether model surface intersects the tool, every triangle in the model has to be checked. Unfortunately, this process takes much time. Since the computer can?t see and doesn?t know which triangles located under the current tool position, then the triangles all over the surface model should be checked. To reduce the time, region checking at every position of tool has to be detected. Triangles that have to be checked are only in that region. The way of creating the region can be done by bucketing. Bucketing process will make some buckets as representation of regions and each bucket will be filled with triangles that lie in the corresponding region. There are several bucketing methods. This paper will explain all methods which have been implemented in the research. "