Pengembangan Algoritma Denoising Citra Radiografi Digital untuk Peningkatan Kontras dan Detil Anatomi

Abstrak

Citra radiografi digital merupakan modalitas diagnostik fundamental dalam kedokteran. Namun, citra ini seringkali terkontaminasi oleh derau (noise) yang berasal dari berbagai sumber, seperti fluktuasi statistik sinar-X, elektronik detektor, dan scattered radiation. Derau ini dapat secara signifikan mengurangi kualitas citra, mengaburkan detil anatomi halus, dan menurunkan kontras, sehingga mempersulit interpretasi diagnostik dan berpotensi menyebabkan misdiagnosis. Penelitian ini bertujuan untuk mengembangkan algoritma denoising citra radiografi digital yang efektif untuk meningkatkan kontras dan detil anatomi, tanpa mengorbankan informasi diagnostik esensial. Kami mengusulkan pendekatan hibrida yang mengintegrasikan teknik denoising berbasis Transformasi Wavelet dengan filter adaptif non-lokal (misalnya, Non-Local Means). Algoritma dikembangkan dan diuji menggunakan dataset citra radiografi dada dan tulang yang disuntik derau sintetis dan juga citra klinis. Evaluasi kuantitatif menggunakan metrik seperti Peak Signal-to-Noise Ratio (PSNR), Structural Similarity Index (SSIM), dan Contrast-to-Noise Ratio (CNR) menunjukkan peningkatan signifikan dalam kualitas citra setelah proses denoising. Evaluasi kualitatif oleh radiolog mengkonfirmasi peningkatan persepsi kontras dan detil anatomi. Algoritma yang diusulkan berpotensi besar untuk meningkatkan akurasi diagnostik dan mengurangi kebutuhan dosis radiasi dengan memungkinkan akuisisi citra dengan dosis yang lebih rendah.