Dalam beberapa tahun terakhir, penelitian tomografi impedansi elektrik (EIT) telah berkembang pesat yang telah diaplikasikan pada berbagai bidang, seperti teknik (material, sipil, dan kimia) dan pencitraan medis. Penerapan di bidang keteknikan antara lain untuk memvisualisasikan distribusi konduktivitas pada lapisan komposit carbon nanotube (CNT), untuk analisis kondisi kelembaban bangunan dan untuk pencitraan proses rekayasa kimia. Sementara itu, beberapa contoh penerapan EIT dalam bidang medis antara lain pencitraan stroke pasien, pencitraan deteksi kanker payudara, pencitraan ventilasi paru dan pemantauan kardiopulmoner. Keuntungan dari EIT adalah ekonomis, non-ionisasi, dan non-invasif.
Penelitian pengembangan EIT memiliki dua topik utama, yaitu pengembangan perangkat keras dan perangkat lunak. penelitian pengembangan perangkat keras antara lain berfokus pada desain dan fabrikasi sumber arus konstan dan ada juga yang fokus pada desain dan fabrikasi sistem EIT secara keseluruhan, baik berbasis mikrokontroler, mikroprosesor dan field programmable gate arrays (FPGA). Penelitian dalam pengembangan perangkat lunak untuk EIT mencakup pengembangan rekonstruksi berbasis regularisasi dengan metode iteratif, algoritma genetika dan artifisaial intelegent. Selain mengembangkan algoritma rekonstruksi, ada juga studi tentang penggunaan filter digital dan clustering untuk mendukung algoritma rekonstruksi citra EIT.
Metode iteratif adalah salah satu pendekatan terbaik untuk rekonstruksi citra. Penelitian yang menggunakan metode iteratif pada rekonstruksi EIT antara lain menggunakan pola arus optimal untuk membedakan data konduktivitas dari estimasinya. Dalam penelitian lain, proyeksi balik linier (ILBP) disarankan untuk mengurangi keberadaan artefak di sekitar objek dan meningkatkan akurasi posisi dan bentuk objek. Pada, rekonstruksi EIT dilakukan berdasarkan homotopy perturbation iteration (HPI), yang dipercepat dengan strategi Nesterov. Sedangkan yang menggunakan metode iteratif pada pencitraan sinar-X adalah modifikasi algoritma simultaneous algebraic rekonstruksi teknik (SART) dengan regularisasi variasi total, modifikasi algoritma SART dengan teknik one step late (OSL), modifikasi SART berdasarkan model Perona-Malik (PM), dan algoritma SART yang dimodifikasi dengan variasi total cepat untuk pencitraan positron-emission tomography (PET). Sementara itu, dalam penelitian lain algoritma SART diterapkan pada tomografi ionosfer dan pencitraan gelombang mikro.
Berdasarkan kelebihan dari metode iteratif tersebut, khususnya algoritma SART, penelitian ini menggunakan metode iteratif SART sebagai algoritma rekonstruksi EIT. Algoritma SART kemudian digabungkan dengan algoritma K-means clustering dan dilanjutkan dengan thresholding untuk meningkatkan kualitas citra hasil rekonstruksi. Kajian dilakukan dengan simulasi dan eksperimen menggunakan phantom silinder dua dimensi (2D) dengan objek anomali di dalamnya.
Dari penelitian ini dihasilkan bahwa citra rekonstruksi EIT dari algoritma SART yang dikombinasikan dengan K-means clustering memberikan citra rekonstruksi yang cukup optimal. Hasil optimal ini ditunjukkan bahwa dari evaluasi citra rekonstruksi melalui simulasi, secara kuantitatif diperoleh rata-rata PSNR dan SSIM yang paling tinggi dibandingkan dengan metode lainnya; nilainya masing-masing 24,24 dan 0,94, dan NRMSE terendah dengan nilai 0,04. Sementara secara eksperimen juga diperoleh hasil yang mirip dengan simulasi dan citra hasil rekonstruksinya sesuai dengan objek fantom. Dalam evaluasi ini metode yang diusulkan dibandingkan dengan GN satu langkah dan TV-IRLS, diperoleh hasil bahwa metode yang diusulkan lebih cepat daripada metode lainnya.
Penulis: Dr. Khusnul Ain, S.T, M.Si.
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
Arfan Eko Fahrudin, Endarko, Khusnul Ain dan Agus Rubiyanto, 淓nhanced image reconstruction of electrical impedance tomography using simultaneous algebraic reconstruction technique and K-means clustering, International Journal of Electrical and Computer Engineering (IJECE), Vol. 13, No. 4, August 2023, pp. 3987~3997, ISSN: 2088-8708, DOI : 10.11591/ijece.v13i4.pp3987-3997
