Kanser payudara telah menjadi salah satu daripada punca utama kematian akibat
kanser. Oleh itu, mengenal pasti sel-sel tumor dalam imej-imej Pengimejan Resonans
Magnet (atau lebih dikenali sebagai MRI) sangat membantu proses rawatan pesakit
pada peringkat awal kanser. Justeru itu, ia berupaya mengurangkan kadar kematian
akibat kelewatan mendapatkan rawatan. Dalam hal ini, mengenal pasti dengan tepat sel
sel tumor dalam imej-imej MRI payudara menjadi amat penting. Ini termasuk
membezakan antara tisu-tisu kulit dan tisu-tisu payudara dan juga mensegmentasi sel
sel tumor daripada tisu-tisu payudara. Haiwan seperti semut dan lebah mampu
mengenalpasti sumber makanan terbaik untuk ikhtiar hidup. Cara mereka telah menjadi
bahan kajian dan berkembang dan dikenali sebagai algoritma berinspirasikan haiwan.
Penggunaan algoritma berasaskan pengoptimuman koloni semut dan lebah tiruan dapat
membantu dalam mengenalpasti sel-sel tumor daripada tisu-tisu payudara. Dengan
menjadikan sel-sel tumor sebagai sumber makanan terbaik, kedua-dua algoritma haiwan
telah diaplikasikan untuk mencari sel-sel tumor dengan bantuan operasi-operasi pra
pemprosesan. Operasi-operasi pra-pemprosesan seperti menggunakan penuras median
untuk mengurangkan hingar, pengambangan untuk mengurangkan luas pencarian
kawasan-kawasan penting, operasi-operasi morfologi untuk menutup lubang serta
mengeluarkan titik-titik dan juga pelabelan kawasan-kawasan penting dapat
menyediakan kawasan pencarian untuk pengaplikasian algoritma semut dan lebah.
Kedua-dua algoritma mampu mengenalpasti secara tepat sel-sel tumor daripada imej
imej MRI payudara namun algoritma lebah mengambil masa pemprosesan yang lebih
singkat.
_______________________________________________________________________________________________________
With breast cancer being one of the main cause of cancer death, identifying
tumor cells in breast Magnetic Resonance Imaging (MRI) images is very helpful for
patients to undergo treatment at an early stage of cancer and thus reduce the rate of
fatalities due to last minute treatment. In this respect, it is very important to identify
accurately the tumor cells in the MRI images of breasts. This includes differentiating
the skin tissues from breast tissues as well as segmenting the tumor cells from the
breast tissues. Creatures such as ants and bees have been able to identify best food
sources to survive. Their methods have been used as subjects of studies and evolved
into animal inspired algorithms. Applying the Ant Colony Optimization (ACO) and
Artificial Bee Colony (ABC) Optimization algorithms is helpful in identifying tumor
cells from among the breast tissues. By treating the tumor cells as the best food source,
both the ant and bee algorithms are applied to find the tumor cells with the help of
some preprocessing operations. Preprocessing operations such as using median filter to
reduce noise, thresholding to reduce area of search for region of interest, morphological
operations to close holes and remove dots and also labelling of regions of interest
prepares the area of search for the application of the ant and bee algorithms. Both
algorithms are able to identify the tumor cells from the breast MRI images, with a
difference in speed whereby the bee algorithm takes lesser time.
Image segmentation using ant and bee algorithms / Khor Wai Peng