Implementasi Deteksi Luka Kaki Pada Penderita Diabetes Berbasis Teknik Segmentasi Dan Ekstraksi Fitur Untuk Meningkatkan Kesembuhan Penderita Diabetes
Abstract
Ulcus Kaki Diabetik ( DFU) dianggap sebagai salah satu komplikasi fading umum dari diabetes. Ini dapat dijelaskan sebagai kulit yang terkelupas disertai dengan hilangnya kulit kaki secara menyeluruh, seringkali disebabkan oleh komplikasi neuropatik atau/ atau masalah vaskular pada pasien dengan diabetes tipe 1 atau 2 Deteksi luka kaki secara dini memainkan peran penting dalam mencegah konsekuensi yang serius. Penelitian ini bertujuan untuk mengimplementasikan sistem deteksi kaki pada penderita diabetes berbasis image processing dengan menggunakan teknik segmentasi dan ekstraksi fitur.Sistem yang diusulkan menggunakan teknik image processing untuk menganalisis citra kaki dan mengidentifikasi bagian-bagian kaki yang berkaitan dengan luka. Langkah pertama adalah melakukan segmentasi citra untuk memisahkan area kaki dari latar belakang dan area non-kaki lainnya. Model klasifikasi dilatih menggunakan dataset berlabel yang terdiri dari citra kaki dengan status luka yang diketahui.Performa sistem yang diimplementasikan dievaluasi menggunakan metrik standar seperti akurasi, presisi, recall, dan F1-score. Implementasi deteksi kaki pada penderita diabetes berbasis image processing dengan menggunakan teknik segmentasi dan ekstraksi fitur ini menawarkan pendekatan non-invasif dan efisien untuk mendeteksi luka kaki secara dini. Hasil ini berpotensi membantu tenaga medis dalam intervensi dan langkah pencegahan yang tepat, sehingga dapat mengurangi risiko komplikasi yang serius bagi penderita diabetes.
Downloads
References
[2] B. Cassidy et al., “Diabetes Research and Clinical Practice Artificial intelligence for automated detection of diabetic foot ulcers : A real-world proof-of-concept clinical evaluation,” Diabetes Res. Clin. Pract., vol. 205, no. October, p. 110951, 2023, doi: 10.1016/j.diabres.2023.110951.
[3] M. Harahap, S. K. Anjelli, W. A. M. Sinaga, R. Alward, J. F. W. Manawan, and A. M. Husein, “Classification of diabetic foot ulcer using convolutional neural network (CNN) in diabetic patients,” J. Infotel, vol. 14, no. 3, pp. 196–202, 2022, doi: 10.20895/infotel.v14i3.796.
[4] S. Madhava Prabhu and S. Verma, “Automated classification of the diabetic foot using comprehensive encoding and feature transform techniques,” Int. J. Comput. Digit. Syst., vol. 9, no. 4, pp. 747–753, 2020, doi: 10.12785/IJCDS/090421.
[5] W. F. Roshandri, E. Utami, and A. B. Prasetio, “Diabetic Wound Segmentation Using Masking Contour Image Processing,” Sisfotenika, vol. 11, no. 2, p. 111, 2021, doi: 10.30700/jst.v11i2.1114.
[6] V. Mayya et al., “Applications of Machine Learning in Diabetic Foot Ulcer Diagnosis using Multimodal Images: A Review,” IAENG Int. J. Appl. Math., vol. 53, no. 3, 2023.
[7] N. Rania, H. Douzi, L. Yves, and T. Sylvie, Semantic segmentation of diabetic foot ulcer images: Dealing with small dataset in dl approaches, vol. 12119 LNCS, no. September. Springer International Publishing, 2020. doi: 10.1007/978-3-030-51935-3_17.
[8] I. Khosa, A. Raza, M. Anjum, W. Ahmad, and S. Shahab, “Automatic Diabetic Foot Ulcer Recognition Using Multi-Level Thermographic Image Data,” Diagnostics, vol. 13, no. 16, 2023, doi: 10.3390/diagnostics13162637.
[9] P. Protik, G. M. Atiqur Rahaman, and S. Saha, “Automated Detection of Diabetic Foot Ulcer Using Convolutional Neural Network,” Lect. Notes Electr. Eng., vol. 980 LNEE, pp. 565–576, 2023, doi: 10.1007/978-981-19-8032-9_40.
[10] D. Sudarvizhi, M. A. M. J. V. S, and M. Pooja, “Foot-ulcer Wound Analysis Using Image Segmentation and Morphological Operations Image Segmentation Techniques :,” vol. 25, no. 2, pp. 3552–3558, 2021.
[11] B. Cassidy et al., “The DFUC 2020 dataset: Analysis towards diabetic foot ulcer detection,” Eur. Endocrinol., vol. 1, no. 1, pp. 5–11, 2021, doi: 10.17925/EE.2021.1.1.5.
