Peruasan hati daripada dataset tiga dimensi tomografi berkomputer (CT) adalah sangat
penting dalam diagnosis dan perancangan rawatan penyakit hati. Peruasan manual memberi
keputusan yang lebih tepat tetapi meletihkan dan memakan masa kerana kepingan imej yang
banyak dihasilkan oleh mesin CT. Beza jelas yang rendah pada sempadan hati dengan organorgan
berjiranan, kepelbagaian yang tinggi bentuk-bentuk hati dan kehadiran pathologi hati akan
menjejaskan ketepatan peruasan hati automatik dan menjadikan peruasan hati automatic satu
tugas yang mencabar. Oleh itu, perisian peruasan separa-automatik telah dibina dalam projek ini
untuk memperoleh ketepatan peruasan hati yang tinggi dan mengurangkan masa yang digunakan
untuk peruasan hati secara manual. Algoritma yang dicadangkan boleh dibahagikan kepada tiga
peringkat. Peringkat pertama ialah persiapan parameter dan pra-pemprosesan. Dalam praprosesan,
keadah resapan tak-isotropi digunakan untuk mengurangkan hingar dalam imej dan
melicinkan imej. Dalam peringkat kedua, teknik pengambangan digunakan untuk mendapatkan
kawasan hati dalam imej CT. Selepas itu, mophologi penutupan dan pembukaan digunakan untuk
menutup lubang-lubang kecil dalam kawasan hati dan memutuskan sambungan nipis di antara
hati dengan organ-organ berjiranan. Kemudian, penutupan lubang digunakan untuk mengisi
lubang-lubang besar dalam kawasan hati. Selepas itu, analisis komponen-komponen bersambung
akan dijalankan untuk menyarikan kawasan hati daripada kepingan imej CT. Peringkat terakhir
merupakan pasca-pemprosesan. Dalam pasca-pemprosesan, kontur hati dilicinkan dengan turas
Gauss perduaan. Perisian peruasan hati dengan algoritma yang dicadangkan dinilai dengan
menggunakan dataset CT yang diperoleh daripada SLIVER07 untuk membuktikan
keberkesanannya dalam peruasan hati. Keputusan peruasan hati mencapai purata VOE 9.93 ±
4.36 %, purata RVD -0.03 ± 3.76 %, purata ASD 2.57 ± 1.73 mm, purata RMSD 5.82 ± 3.56
mm dan purata MSD 39.90 ± 17.23 mm. Jumlah masa yang diperlukan oleh perisian yang dibina
untuk menyelesaikan proses peruasan hati adalah di antara 2 hingga 4 minit. Algoritma yang
dicadangkan dapat meruas hati yang sihat dengan cekap dan berkesan walaupun terdapat masalah
peruasan berlebihan dan masalah peruasan berkurangan disebabkan kehadiran penyakit dan beza
jelas yang rendah di antara hati dengan organ-organ berjiranan.
_______________________________________________________________________________________________________
Segmentation of liver from 3D computed tomography (CT) dataset is very important in
hepatic disease diagnosis and treatment planning. Manual segmentation gives accurate result but
the process is tedious and time-consuming due to a large number of slices produced by the CT
scanner. Low contrast of liver boundary with neighbouring organs, high shape variability of liver
and presence of various liver pathologies will affect the accuracy of automatic liver segmentation
and thus make automatic liver segmentation a challenging task. Therefore, a semi-automated liver
segmentation program is developed in this project in order to obtain high accuracy in liver
segmentation and reduce the time required for manual liver segmentation. The proposed
algorithm can be divided into three stages. The first stage is parameter setup and pre-processing.
User interaction is required to setup the segmentation parameters. For pre-processing, anisotropic
diffusion filtering is applied to reduce noise in the image and smooth the image. In second stage,
thresholding is applied to CT images to extract the possible liver regions. Then, morphological
closing and opening are used close small holes inside liver region and break the thin connections
between liver and neighbouring organs. Hole-filling is employed to fill up the large holes inside
liver region. Next, the connected component analysis is performed to extract liver region from
the CT slices. The last stage is post-processing. In post-processing, the contour of liver is smooth
by binary Gaussian filter. The liver segmentation program with proposed algorithm is evaluated
with CT datasets obtained from SLIVER07 to prove its effectiveness in liver segmentation. The
results of liver segmentation achieved average VOE of 9.93 ± 4.36 %, average RVD of -0.03 ±
3.76 %, average ASD of 2.57 ± 1.73 mm, average RMSD of 5.82 ± 3.56 mm, and average MSD
of 39.90 ± 17.23 mm. The total time required for the program developed to complete liver
segmentation process is between 2 to 4 minutes. The proposed algorithm was able to segment the
healthy liver effectively and efficiently even though there were over-segmentation and undersegmentation
problem due to the presence of pathologies and low contrast between liver and
neighbouring organs.