PERBANDINGAN DI ANTARA PENGHASILAN MODEL DIGITAL TIGA
DIMENSI DAN MODEL FIZIKAL BAGI CRANIOFACIAL TISU KERAS
ZAKIAH BINTI ABDUL MAJID @ ZAKARIA
Tesis ini dikemukakan
sebagai memenuhi syarat penganugerahan
ijazah Sarjana Sains (Geoinformatik)
Fakulti Kejuruteraan dan Sains Geoinformasi
Universiti Teknologi Malaysia
JUN 2007
iii
Buat Insan-Insan Tersayang,
Abah, Mama, Zakey, Mijea, Mazlin, Ani, Amin dan Hakim
iv
PENGHARGAAN
Alhamdulillah, bersyukur ke hadrat Ilahi kerana dengan limpah kurnia dan
keizinanNya, dapat saya menyiapkan tesis Sarjana Sains (Geoinformatik) ini dengan
jayanya.
Di sini ingin saya merakamkan setinggi-tinggi penghargaan dan jutaan terima
kasih kepada Prof. Dr. Halim Setan selaku penyelia di atas bimbingan, nasihat dan
tunjuk ajarnya sehingga dapat saya menyiapkan tesis ini.
Jutaan terima kasih juga diucapkan kepada En.Zulkepli Majid dan Dr.Albert
K. Chong di atas segala bantuan dan tunjuk ajar yang diberikan sepanjang tempoh
penyelidikan ini dijalankan.
Kepada semua pihak yang membantu saya dalam menyiapkan tesis ini secara
langsung atau tidak langsung terutamanya kepada ahli keluarga dan rakan-rakan di
Medical Imaging Research Group (MIRG), jutaan terima kasih diucapkan kepada
anda semua. Segala jasa anda semua akan saya kenangi.
v
ABSTRAK
Ketepatan pengukuran pada bahagian kepala dan muka manusia amat
diperlukan oleh pakar bedah dan ahli radiologi untuk perancangan pembedahan.
Kajian ini menumpukan kepada penghasilan model digital tiga dimensi (3D) pada
bahagian craniofacial dengan menggunakan data imbasan peralatan Computed
Tomography (CT). Kajian ini merangkumi dua perbandingan iaitu memilih perisian
terbaik bagi menghasilkan model digital 3D serta mendapatkan kaedah pengukuran
yang paling tepat. Penghasilan model digital 3D adalah menggunakan tiga perisian
iaitu RapidForm2004, 3D Doctor dan 3D Slicer. Model yang terhasil daripada
ketiga-tiga perisian tersebut telah dibandingkan dengan model gold standard iaitu
model yang dihasilkan oleh perisian Materialise's Interactive Medical Image Control
System (MIMICS). Perbandingan adalah berdasarkan perbezaan nilai sisihan piawai,
Root Mean Square (RMS), varian dan pengukuran. Hasil perbandingan menunjukkan
3D Slicer dapat menghasilkan model digital 3D terbaik. Bagi menentukan kaedah
pengukuran yang paling tepat, pengukuran pada model fizikal telah dilakukan
menggunakan microscribe digitizer, pengimbas laser dan kaliper. Hasil pengukuran
bagi semua kaedah tersebut telah dibandingkan dengan kaedah fotogrametri jarak
dekat digital berdasarkan perbezaan nilai pengukuran, sisihan piawai dan RMS. Hasil
perbandingan menunjukkan microscribe digitizer dapat menghasilkan pengukuran
yang paling tepat. Hasil perbandingan di antara model digital daripada 3D Slicer
dengan titik pengukuran daripada microscribe digitizer menunjukkan nilai
pengukuran berbeza antara 0.01 mm hingga 0.97 mm. Model digital 3D dan model
fizikal yang dihasilkan dapat digunakan untuk menentukan kedudukan titik
pengukuran yang sukar ditentukan dengan kaedah konvensional. Di akhir kajian ini,
sebuah pangkalan data ringkas telah dibangunkan menggunakan Microsoft Access
2003 untuk menyimpan semua maklumat pengukuran.
vi
ABSTRACT
Accurate measurement on human craniofacial is crucial to surgeon and
radiologist for surgical planning. This research focuses on the construction of digital
three-dimensional (3D) models for craniofacial using scanned data from Computed
Tomography (CT) device. It involves two comparisons to determine the best
software to produce digital 3D model and the most accurate measuring method. The
digital 3D models were produced using three software namely Rapidform2004, 3D
Doctor and 3D Slicer. Then the 3D models which were produced by the three
software were compared with a gold standard model produced by Materialise's
Interactive Medical Image Control System (MIMICS) software. The comparisons
were based on standard deviation, Root Mean Square (RMS), variance and
measurement. The results yield the 3D Slicer can produce the best digital 3D model.
In order to determine the most accurate measuring method, the measurements on
physical model were carried out by using microscribe digitizer, laser scanner and
calliper. The results from each method then compared with the close range
photogrammetry method based on measurement, standard deviation and RMS. The
results show that microscribe digitizer could provide the most accurate
measurements. Finally, a comparison between 3D Slicer and microscribe digitizer
were carried out. The comparison shows that the measurement values vary between
0.01 mm and 0.97 mm. A digital 3D model and a physical model could be used to
determine a measurement point which is difficult to determine by using conventional
method. A simple database was developed by using Microsoft Access 2003 to store
all the measurements.
vii
SENARAI KANDUNGAN
BAB
1
TAJUK
MUKA SURAT
HALAMAN JUDUL
i
PENGAKUAN
ii
DEDIKASI
iii
PENGHARGAAN
iv
ABSTRAK
v
ABSTRACT
vi
HALAMAN KANDUNGAN
vii
SENARAI JADUAL
xii
SENARAI RAJAH
xv
SENARAI ISTILAH
xxii
SENARAI SINGKATAN
xxiv
SENARAI LAMPIRAN
xxvi
PENGENALAN
1
1.1 Pendahuluan
1
1.2 Pernyataan Masalah
3
1.3 Objektif Penyelidikan
5
1.4 Skop Penyelidikan
5
1.5 Metodologi Penyelidikan
6
1.6 Kepentingan Penyelidikan
10
1.7 Rumusan Aliran Bab
11
viii
2
KAJIAN LITERATUR
12
2.1 Pengenalan Kepada Craniofacial
12
2.2 Keperluan Pengukuran Dalam Craniofacial
17
2.3 Kaedah Pengukuran
22
22
2.3.1 Kaedah Sentuhan
2.3.1.1 Microscribe Digitizer
23
2.3.1.2 Kaliper
25
2.3.2 Kaedah Tanpa Sentuhan
25
2.3.2.1 Peralatan
26
2.3.2.1.1 Pengimbas Laser
26
2.3.2.1.2 Pengimbas Computed
28
Tomography (CT)
2.3.2.1.3 Pengimbas Magnetic Resonance
29
Imaging (MRI)
2.3.2.1.4 Fotogrametri Jarak Dekat Digital
30
31
2.3.2.2 Perisian
2.3.2.2.1 RapidForm2004
32
2.3.2.2.2 3D Doctor
34
2.3.2.2.3 3D Slicer
36
2.3.2.2.4 Materialise's Interactive Medical
37
Image Control System (MIMICS)
3
2.4 Pangkalan Data Dalam Bidang Perubatan
39
2.4.1 Advantage Workstation (AW)
39
2.4.2 Picture Archiving Communication Systems (PACS)
40
2.4.3 Clinical Information System (CIS)
41
2.5 Kaedah Analisa Statistik
42
2.6 Rumusan
43
PENGHASILAN DAN PERBANDINGAN MODEL
45
DIGITAL 3D BAGI CRANIOFACIAL TISU KERAS
3.1 Pendahuluan
45
3.2 Perolehan Data
46
ix
3.2.1 Data Imbasan Computed Tomography (CT)
46
3.2.2 Model Fizikal
48
3.2.3 Model Digital 3D Gold Standard
50
3.3 Penghasilan Model Digital 3D
51
3.3.1 Model RapidForm2004
52
3.3.2 Model 3D Doctor
54
3.3.3 Model 3D Slicer
55
3.3.4 Model Materialise's Interactive Medical Image
58
Control System (MIMICS)
3.4 Perbandingan Model Digital 3D Yang Dihasilkan Dengan
61
Model Digital Gold Standard
4
3.5 Rumusan
68
PENENTUAN TITIK PENGUKURAN, PROSES
69
PENGUKURAN DAN PERBANDINGAN HASIL
PENGUKURAN
4.1 Pendahuluan
69
4.2 Titik Pengukuran
72
4.3 Kaedah Penentuan Kedudukan Titik Pengukuran
77
4.3.1 Model Digital 3D
77
4.3.2 Model Fizikal
79
4.3.2.1 Microscribe Digitizer
80
4.3.2.2 Fotogrametri Jarak Dekat Digital
82
4.3.2.3 Pengimbas Laser
85
4.3.2.4 Kaliper
87
4.4 Proses Pengukuran Jarak Linear
88
4.4.1 Model Digital 3D
92
4.4.2 Model Fizikal
94
4.4.2.1 RapidForm2004
94
4.4.2.2 Australis
98
4.4.2.3 Kaliper
99
x
4.5 Perbandingan Hasil Pengukuran
5
100
4.5.1 Peringkat Awal
101
4.5.2 Peringkat Akhir
104
4.6 Rumusan
104
REKA BENTUK DAN PEMBANGUNAN PANGKALAN
105
DATA
5.1 Pendahuluan
105
5.2 Reka Bentuk Pangkalan Data
105
5.2.1 Reka Bentuk Konseptual
106
5.2.2 Reka Bentuk Logikal
110
5.2.3 Reka Bentuk Fizikal
111
5.3 Pembangunan Pangkalan Data
5.3.1 Kemasukan Data Atribut
6
114
114
5.4 Rumusan
124
HASIL DAN ANALISIS
125
6.1 Pendahuluan
125
6.2 Perbandingan Di Antara Model Digital
126
6.2.1 Nilai Sisihan Piawai
128
6.2.2 Root Mean Square (RMS)
133
6.2.3 Varian
133
6.2.4 Pengukuran (Jarak Linear)
135
6.3 Analisa Statistik Bagi Perbandingan Model Digital
143
6.4 Perbandingan Di Antara Model Fizikal
145
6.4.1 Pengukuran
145
6.4.2 Sisihan Piawai
149
6.4.3 Root Mean Square (RMS)
150
6.5 Perbandingan Di Antara Model Digital Dan Model Fizikal
151
6.6 Analisa Statistik Bagi Perbandingan Model Digital Dan
157
Model Fizikal
6.7 Rumusan
159
xi
7
KESIMPULAN DAN CADANGAN
160
7.1 Pendahuluan
160
7.2 Kesimpulan
160
7.3 Cadangan
163
RUJUKAN
164-167
LAMPIRAN A-D
168-200
xii
SENARAI JADUAL
NO. JADUAL
TAJUK
MUKA SURAT
1.1
Input, proses dan output bagi kajian.
9
2.1
Senarai titik pengukuran mengikut pendapat
18
penyelidik terkemuka (Kolar dan Salter, 1997).
2.2
Senarai titik pengukuran (Wan Abdul Rahman,
19
2005).
2.3
Senarai jenis pengukuran (Wan Abdul Rahman,
20
2005).
2.4
Spesifikasi perisian.
33
3.1
Proses keseluruhan bagi menghasilkan model
60
digital 3D.
4.1
Senarai titik pengukuran yang digunakan pada
73
peringkat awal kajian.
4.2
Senarai titik pengukuran yang digunakan pada
75
peringkat akhir kajian.
4.3
Contoh hasil titik pengukuran yang diperolehi
76
pada peringkat akhir kajian (Set 1).
4.4
Senarai garisan pengukuran yang digunakan
88
semasa peringkat awal.
4.5
Senarai garisan pengukuran yang digunakan
91
semasa peringkat akhir.
4.6
Contoh hasil pengukuran yang diperolehi pada
92
peringkat akhir (Set 1).
5.1
Jadual definisi bagi data atribut.
111
xiii
5.2
Storan reka bentuk fizikal bagi entiti Pesakit.
112
5.3
Storan reka bentuk fizikal bagi entiti Model.
112
5.4
Storan reka bentuk fizikal bagi entiti Kaedah.
113
5.5
Storan reka bentuk fizikal bagi entiti Titik
113
Pengukuran.
5.6
Storan reka bentuk fizikal bagi entiti
113
Pengukuran.
6.1
Hasil perbandingan di antara model digital 3D
132
dan model gold standard (Set 3).
6.2
Analisa statistik bagi purata hasil perbandingan
134
di antara model digital 3D dan model digital 3D
gold standard (Set 3).
6.3
Perbandingan 10 hasil pengukuran linear di
137
antara model digital bagi Set 1 (peringkat awal).
6.4
Perbandingan 10 hasil pengukuran linear di
137
antara model digital bagi Set 2 (peringkat awal).
6.5
Perbandingan 10 hasil pengukuran linear di
138
antara model digital bagi Set 3 (peringkat awal).
6.6
Perbandingan 10 hasil pengukuran linear di
138
antara model digital bagi Set 4 (peringkat awal).
6.7
Perbandingan 10 hasil pengukuran linear di
139
antara model digital bagi Set 5 (peringkat awal).
6.8
Julat bagi perbandingan 10 hasil pengukuran
142
linear bagi model digital (peringkat awal).
6.9
Nilai varian yang diperolehi bagi hasil
143
pengukuran model digital 3D.
6.10
Hasil analisa bagi model digital menggunakan
144
F-Test.
6.11
Perbandingan 10 hasil pengukuran linear
dengan kaedah fotogrametri bagi Set 1
(peringkat awal).
147
xiv
6.12
Perbandingan 10 hasil pengukuran linear
147
dengan kaedah fotogrametri bagi Set 2
(peringkat awal).
6.13
Perbandingan 10 hasil pengukuran linear
148
dengan kaedah fotogrametri bagi Set 3
(peringkat awal).
6.14
Perbandingan 10 hasil pengukuran linear
148
dengan kaedah fotogrametri bagi Set 4
(peringkat awal).
6.15
Perbandingan 10 hasil pengukuran linear
149
dengan kaedah fotogrametri bagi Set 5
(peringkat awal).
6.16
Analisa hasil perbandingan bagi nilai sisihan
150
piawai dan RMS pada model fizikal.
6.17
Perbandingan 19 hasil pengukuran linear di
152
antara model digital dengan model fizikal bagi
Set 1 (peringkat akhir).
6.18
Perbandingan 19 hasil pengukuran linear di
152
antara model digital dengan model fizikal bagi
Set 2 (peringkat akhir).
6.19
Perbandingan 19 hasil pengukuran linear di
153
antara model digital dengan model fizikal bagi
Set 3 (peringkat akhir).
6.20
Perbandingan 19 hasil pengukuran linear di
153
antara model digital dengan model fizikal bagi
Set 4 (peringkat akhir).
6.21
Perbandingan 19 hasil pengukuran linear di
154
antara model digital dengan model fizikal bagi
Set 5 (peringkat akhir)
6.22
Nilai varian yang diperolehi bagi hasil
157
pengukuran model digital dan model fizikal
6.23
Hasil analisa bagi model digital dan model
fizikal menggunakan F-Test.
158
xv
SENARAI RAJAH
NO. RAJAH
1.1
TAJUK
MUKA SURAT
Keadaan kecacatan pada bahagian muka pesakit;
4
(a) ketumbuhan, (b) kecacatan semasa lahir,
(c) kemalangan.
1.2
Metodologi kajian.
7
2.1
Gambaran takrifan face.
13
2.2
Bahagian tisu lembut dan tisu keras.
13
2.3
Pandangan hadapan pada bahagian tisu keras.
14
2.4
Pandangan sisi pada bahagian tisu keras.
15
2.5
Pandangan belakang pada bahagian tisu keras.
15
2.6
Pandangan bawah pada bahagian tisu keras.
16
2.7
Titik pengukuran (Kitai et al., 2002).
21
2.8
Pengukuran (Kitai et al., 2002).
21
2.9
Contoh alat pengukuran craniofacial;
23
(a) Spreading caliper, (b) Pita ukur,
(c) Protraktor, (d) Level and angle finder,
(e) Sliding caliper dan (f) Double sliding caliper
(Kolar dan Salter, 1997).
2.10
Microscribe Digitizer G2X
24
2.11
Proses pendigitan pada bahagian muka (Nagasaka
24
et al., 2003).
2.12
Kaliper vernier.
25
2.13
Pengimbas laser VIVID 910.
27
xvi
2.14
Sistem yang menggunakan pengimbas laser untuk
27
mendapatkan model 3D bagi muka manusia.
2.15
Pengimbas CT GE Light Speed Plus.
28
2.16
Pengimbas Magnetic Resonance Imaging (MRI).
30
2.17
Contoh aplikasi pengukuran fotogrametri jarak dekat
31
digital.
2.18
Antaramuka perisian RapidForm2004 (3D imaging
32
workbench).
2.19
Antaramuka perisian 3D Doctor.
35
2.20
Antaramuka perisian 3D Slicer.
36
2.21
Antaramuka perisian MIMICS.
38
2.22
Imej paparan Advantage Workstation.
40
2.23
Picture Archiving Communication Systems.
41
3.1
Data imbasan CT dalam bentuk potongan imej 2D
48
menggunakan perisian 3D Doctor.
3.2
Model fizikal (Set 2).
49
3.3
Penghasilan model fizikal.
49
3.4
Model digital 3D gold standard (MIMICS) daripada
50
SIRIM Berhad.
3.5
Cartalir ringkas bagi penghasilan model digital.
51
3.6
Proses penghasilan model digital 3D menggunakan
52
RapidForm2004.
3.7
Model digital 3D menggunakan RapidForm2004.
53
3.8
Proses penghasilan model digital 3D menggunakan
54
3D Doctor.
3.9
Model digital 3D menggunakan 3D Doctor.
55
3.10
Proses penghasilan model digital 3D menggunakan
56
3D Slicer.
3.11
Paparan pada bahagian yang diperlukan (ungu) dan
57
tidak diperlukan (merah jambu).
3.12
Model digital 3D menggunakan 3D Slicer.
57
3.13
Haunsfield Scale.
58
xvii
3.14
Proses penghasilan model digital 3D menggunakan
59
MIMICS.
3.15
Model digital 3D menggunakan MIMICS.
59
3.16
Proses menentukan perisian yang dapat menghasilkan
61
model digital 3D terbaik.
3.17
Proses menentukan nilai sisihan piawai menggunakan
62
perisian RapidForm2004.
3.18
Model perisian 3D Slicer (kiri) dan model perisian
63
MIMICS (kanan) yang diimport ke dalam perisian
RapidForm2004 (Set 3).
3.19
Proses initial registration (Set 3); (a) Register dua
64
model, (b) Hasil proses initial registration.
3.20
Hasil selepas proses fine registration (Set 3).
65
3.21
Hasil proses shell deviation (Set 3).
66
3.22
Maklumat hasil shell deviation; (a) graf taburan
67
sisihan piawai, (b) menu pilihan shell deviation,
dan (c) keputusan analisis.
4.1
Proses peringkat awal.
70
4.2
Proses peringkat akhir.
71
4.3
Lima set kedudukan titik pengukuran pada model 3D
72
Slicer untuk kajian peringkat awal; (a) Set 1, (b) Set 2,
(c) Set 3, (d) Set 4 dan (e) Set 5.
4.4
Pandangan sisi bagi kedudukan 36 titik pengukuran
74
pada model 3D Slicer untuk kajian peringkat akhir
(Set 3); (a) imej tekstur dan titik pengukuran,
(b) gambaran titik pengukuran.
4.5
Pandangan hadapan bagi kedudukan 36 titik
74
pengukuran pada model 3D Slicer untuk kajian
peringkat akhir (Set 3); (a) imej tekstur dan titik
pengukuran, (b) gambaran titik pengukuran.
4.6
Proses penentuan titik pengukuran pada model
digital 3D.
78
xviii
4.7
Cerapan titik pengukuran menggunakan perisian
78
RapidForm2004 (Set 3).
4.8
Model fizikal (Set 4); (a) pandangan hadapan dan
79
(b) pandangan sisi.
4.9
Proses penentuan titik pengukuran menggunakan
80
kaedah Microscribe Digitizer G2X pada peringkat
awal kajian.
4.10
Pendigitan titik pengukuran menggunakan Microscribe
81
Digitizer G2X yang dihubungkan pada perisian
Rhinoceros 2.0.
4.11
Paparan titik pengukuran pada perisian Rhinoceros 2.0
81
yang dihasilkan dengan mengunakan Microscribe
Digitizer G2X.
4.12
Proses penentuan titik pengukuran menggunakan
82
kaedah fotogrametri jarak dekat digital pada peringkat
awal kajian.
4.13
Konica Minolta DiMAGE A200.
83
4.14
Cerapan data titik pengukuran menggunakan teknik
84
fotogrametri.
4.15
Paparan dan pendigitan titik pengukuran menggunakan
84
perisian Australis dari arah 3 (Set 3).
4.16
Proses penentuan titik pengukuran menggunakan
85
pengimbas laser.
4.17
Cerapan data titik pengukuran dengan menggunakan
86
pengimbas laser VIVID 910 yang dihubungkan pada
rotating table.
4.18
Gambaran kedudukan alat dan objek; (a) proses
87
imbasan pertama dan (b) proses imbasan kedua.
4.19
Kaliper vernier
87
4.20
Gambaran pengukuran model digital 3D pada
89
peringkat awal (Set 2).
4.21
Gambaran pengukuran model digital 3D pada
pandangan hadapan bagi peringkat akhir (Set 2).
90
xix
4.22
Gambaran pengukuran model digital 3D pada
90
pandangan sisi bagi peringkat akhir (Set 2).
4.23
Proses pengukuran pada model digital 3D yang
93
dilakukan di dalam peringkat awal kajian.
4.24
Pengukuran linear pada model digital 3D Slicer dengan
94
menggunakan perisian RapidForm2004 (Set 3)
4.25
Proses pengukuran model fizikal pada perisian
95
RapidForm2004 dengan menggunakan pengimbas
laser VIVID 910 di dalam peringkat awal kajian.
4.26
Pengukuran pada model 3D yang dihasilkan dari
96
imbasan laser menggunakan perisian RapidForm2004
(Set 2)
4.27
Proses pengukuran model fizikal pada perisian
97
RapidForm2004 dengan menggunakan Microscribe
Digitizer G2X di dalam peringkat awal kajian.
4.28
Pengukuran pada titik pengukuran 3D yang dihasilkan
97
daripada kaedah microscribe digitizer G2X pada
perisian RapidForm2004 (Set 1).
4.29
Proses pengukuran dengan menggunakan perisian
98
Australis pada titik pengukuran 3D yang dihasilkan
daripada kaedah fotogrametri jarak dekat digital.
4.30
Pengukuran pada titik pengukuran yang terhasil
99
daripada teknik fotogrametri menggunakan perisian
Australis.
4.31
Cerapan data pengukuran dengan menggunakan
100
kaliper vernier.
4.32
Proses perbandingan perisian
101
4.33
Proses perbandingan kaedah pengukuran.
103
5.1
Senarai atribut bagi entiti Pesakit.
106
5.2
Senarai atribut bagi entiti Model.
107
5.3
Senarai atribut bagi entiti Kaedah.
107
5.4
Senarai atribut bagi entiti Pengukuran.
108
5.5
Senarai atribut bagi entiti Titik_Pengukuran.
108
xx
5.6
Rajah Hubungan Entiti.
109
5.7
Proses di dalam pembangunan pangkalan data.
114
5.8
Antaramuka bagi maklumat pesakit.
115
5.9
Data peribadi pesakit yang disimpan di dalam
116
pangkalan data.
5.10
Antaramuka bagi maklumat model pesakit.
116
5.11
Data-data model pesakit yang disimpan di dalam
117
pangkalan data.
5.12
Antaramuka bagi maklumat kaedah yang digunakan.
118
5.13
Data-data bagi kaedah yang digunakan ke atas pesakit.
118
5.14
Antaramuka bagi maklumat titik pengukuran.
119
5.15
Menu untuk menyimpan rekod yang telah dimasukkan.
120
5.16
Data-data bagi titik pengukuran (x,y,z) yang disimpan
121
di dalam pangkalan data.
5.17
Antaramuka bagi maklumat pengukuran.
122
5.18
Data-data bagi pengukuran yang disimpan di dalam
123
pangkalan data.
6.1
Perbandingan model digital.
126
6.2
Model digital 3D yang dihasilkan dan model MIMICS
127
(Set 3); (a) Model RapidForm2004, (b) Model 3D
Doctor, (c) Model 3D Slicer dan (d) Model MIMICS.
6.3
Model yang dihasilkan pada proses shell deviation
129
(Set 3); (a) model digital RapidForm2004 dan model
digital 3D MIMICS, (b) model digital 3D Doctor dan
model digital 3D MIMICS serta (c) model digital 3D
Slicer dan model digital 3D MIMICS.
6.4
Graf taburan sisihan piawai bagi proses shell deviation
(Set 3); (a) model digital RapidForm2004 dan model
digital 3D MIMICS, (b) model digital 3D Doctor dan
model digital 3D MIMICS serta (c) model digital 3D
Slicer dan model digital 3D MIMICS.
130
xxi
6.5
Hasil analisa shell deviation (Set 3); (a) model digital
131
RapidForm2004 dan model digital 3D MIMICS,
(b) model digital 3D Doctor dan model digital 3D
MIMICS serta (c) model digital 3D Slicer dan model
digital 3D MIMICS.
6.6
Proses perbandingan hasil pengukuran bagi model
136
digital 3D.
6.7
Graf taburan data hasil pengukuran linear bagi Set 1
139
(peringkat awal).
6.8
Graf taburan data hasil pengukuran linear bagi Set 2
140
(peringkat awal).
6.9
Graf taburan data hasil pengukuran linear bagi Set 3
140
(peringkat awal).
6.10
Graf taburan data hasil pengukuran linear bagi Set 4
141
(peringkat awal).
6.11
Graf taburan data hasil pengukuran linear bagi Set 5
141
(peringkat awal).
6.12
Proses pengukuran pada model fizikal
146
6.13
Graf taburan data hasil pengukuran linear bagi Set 1
154
(peringkat akhir).
6.14
Graf taburan data hasil pengukuran linear bagi Set 2
155
(peringkat akhir).
6.15
Graf taburan data hasil pengukuran linear bagi Set 3
155
(peringkat akhir).
6.16
Graf taburan data hasil pengukuran linear bagi Set 4
156
(peringkat akhir).
6.17
Graf taburan data hasil pengukuran linear bagi Set 5
(peringkat akhir).
156
xxii
SENARAI ISTILAH
Bahasa Inggeris
Bahasa Melayu
3D Rendering
-
3D Rendering
Axial
-
Pandangan dari atas
Contouring
-
Pengkonturan
Coronal
-
Pandangan dari depan
Cosmetic Surgery
-
Pembedahan kosmetik
Craniofacial
-
Craniofacial
Craniotomies
-
Craniotomies
Cross-sectional
-
Potongan imej
Double click
-
Klik sebanyak dua kali
Dye
-
Pewarna
Edit
-
Sunting
Fine Registration
-
Pemadanan imej peringkat kedua
Gold Standard
-
Model piawai
Harizontal profile
-
Gerakan menerusi paksi x
Image sharpen
-
Penjelasan imej
Initial registration
-
Pemadanan imej peringkat pertama
Interferometry
-
Interferometri
Map pixel value
-
Menukar julat nilai piksel kepada suatu
nilai baru
Mean
-
Purata
Merge
-
Penggabungan
Rapid prototyping
-
Rapid prototyping
xxiii
Register
-
Padan
Registration
-
Pemadanan / Penindihan
Reverse Engineering
-
Reverse engineering
Rotating table
-
Meja berpusing
Rotating
-
Berpusing
Sagittal
-
Pandangan dari sisi
Shell deviation
-
Sisihan pada objek
Subsampling
-
Subsampling
Surface Rendering
-
Surface Rendering
Thresholding
-
Teknik pengasingan bahagian-bahagian
Vertical profile
-
Gerakan menerusi paksi y
Volume of Interest
-
Bahagian yang dikehendaki
Volume Rendering
-
Mempamerkan isipadu atau ruang
Volume
-
Isipadu atau ruang
Volumetric
-
Volumetric
xxiv
SENARAI SINGKATAN
2D
-
Dua dimensi
3D
-
Tiga dimensi
3ds
-
3D Studio
ANOVA
-
Analysis of Variance
AW
-
Advantage Workstation
CAD
-
Computer Aided Design
Cdm
-
Custom Data Module
CIS
-
Clinical Information System
CMM
-
Coordinate Measuring Machine
CT
-
Computed Tomography
DICOM
-
Digital Imaging and Communications in Medicine
Dxf
-
Drawing Exchange Format
E-R Diagram
-
Rajah Hubungan Entiti
HIS
-
Hospital Information System
HUSM
-
Hospital Universiti Sains Malaysia
Iges
-
Initial Graphics Exchange Specification
Jpeg
-
Joint Photographic Experts Group
Mcs
-
Mimics
Mdl
-
Model
MIMICS
-
Materialise's Interactive Medical Image Control System
MOSTI
-
Kementerian Sains, Teknologi dan Inovasi
MRA
-
Magnetic Resonance Angiography
MRI
-
Magnetic Resonance Imaging
PACS
-
Picture Archiving Communication System
xxv
PET
-
Polygon Editing Tools
RAM
-
Random Access Memory
RIS
-
Radiology Information System
RMS
-
Root Mean Square
RP
-
Rapid Prototyping
SIRIM
-
Standards and Industrial Research Institute of Malaysia
SLA
-
Stereolitography Apparatus
Stl
-
Stereo Lithography
Suf
-
Surface
Tcl
-
Tool Command Language
Tk
-
Tool Kit
TLA
-
True Life Anatomy
UTM
-
Universiti Teknologi Malaysia
Vtk
-
Visualization Tool Kit
xxvi
SENARAI LAMPIRAN
LAMPIRAN
A
TAJUK
Penghasilan Model Digital 3D
MUKA SURAT
159-166
Menggunakan Perisian RapidForm2004
B
Penghasilan Model Digital 3D
167-178
Menggunakan Perisian 3D Doctor
C
Penghasilan Model Digital 3D
179-190
Menggunakan Perisian 3D Slicer
D
Sumbangan Kajian
200
BAB 1
PENGENALAN
1.1
Pendahuluan
Di Malaysia, pelbagai kaedah yang menggunakan imej berkomputer telah
diaplikasikan di dalam bidang perubatan untuk membantu merawat pesakit yang
mengalami masalah kesihatan yang serius. Menurut Lo dan Chen (2003), kaedahkaedah yang sering digunakan di dalam bidang imej perubatan adalah seperti
imbasan CT, magnetic resonance imaging (MRI), ultrasonography, laser scanning
dan microscopic imaging.
Imbasan CT merupakan salah satu kaedah yang digunakan untuk
menghasilkan imej craniofacial bagi tisu keras dalam bentuk potongan imej. Imejimej ini adalah berbentuk dua dimensi (2D) dan setiap potongan imej mengandungi
maklumat yang berlainan. Menurut Kolar dan Salter (1997), setiap potongan imej
CT dapat memberikan maklumat bagi setiap lapisan craniofacial dengan jelas bagi
struktur dalaman pada bahagian muka dan kepala, skeletal dan tisu lembut yang tidak
boleh diperolehi melalui radiograf biasa. Seterusnya, kesemua imej-imej 2D tersebut
diproses ke dalam bentuk 3D dengan menggunakan perisian seperti True Life
Anatomy (TLA), Analyze dan 3D Doctor untuk memaparkan bentuk asal imej
craniofacial tersebut.
2
Menurut Kolar dan Salter (1997), imbasan MRI merupakan satu teknik
terbaru yang menggunakan komputer dan teknik ini dapat menghasilkan satu siri
potongan imej yang melalui tisu-tisu badan seperti imbasan CT. Imbasan MRI amat
sesuai digunakan untuk mendapatkan imej tisu lembut manusia. Teknik ini amat
berguna di dalam pembelajaran mengenai otot-otot rahang (Hannam dan
Wood,1989; Spronsen et al.,1991), ketumbuhan bagi nasopharynx (Modder et al.,
1987) dan beberapa kecacatan yang berlaku pada tisu lembut (Poed et al., 1992).
Sebelum proses imbasan dilakukan, pesakit terlebih dahulu disuntik dengan
menggunakan sejenis bahan cecair kontra bertujuan untuk menghasilkan imej yang
lebih jelas selepas imbasan dilakukan.
Teknik magnetic resonance angiography (MRA) pula digunakan untuk
mengesan masalah pada saluran-saluran darah yang terdapat di dalam badan manusia
serta menentukan cara bagi merawat masalah bagi penyakit tersebut.
MRA
menggunakan teknologi MRI untuk mengesan, mengdiagnosis serta membantu
merawat penyakit jantung dan saluran darah serta mampu menghasilkan imej yang
sangat jelas. Teknik MRA tidak memerlukan pesakit disuntik dengan menggunakan
sebarang bahan cecair kontra seperti di dalam teknik MRI.
Dalam kajian ini, teknik imbasan CT telah digunakan untuk mendapatkan
data-data bagi menghasilkan model digital 3D pada craniofacial tisu keras manusia.
Selain itu, teknik-teknik seperti fotogrametri jarak dekat digital, pengimbas laser,
microscribe digitizer dan kaliper turut diaplikasikan di dalam kajian ini pada model
fizikal bagi mendapatkan data-data pengukuran. Model fizikal telah digunakan bagi
menggantikan tengkorak asal untuk tujuan perbandingan dengan model digital 3D
yang dihasilkan. Perbandingan ini dilakukan untuk mendapatkan perbezaan hasil
pengukuran bagi model digital 3D yang dihasilkan dengan tengkorak sebenar iaitu
model fizikal.
Penghasilan model digital 3D yang baik sangat diperlukan oleh pakar bedah
serta ahli radiologi bertujuan untuk mendapatkan data pengukuran yang tepat.
Model digital 3D yang dihasilkan dapat membantu di dalam menentukan kedudukan
titik pengukuran yang terlindung dan sukar untuk ditentukan dengan menggunakan
kaedah konvensional. Model digital 3D yang dihasilkan dapat digunakan untuk
3
tujuan pengukuran tanpa menyentuh pada bahagian muka pesakit. Dengan adanya
penyelidikan ini, diharap dapat membantu di dalam bidang perubatan bagi
menghasilkan perkhidmatan kesihatan serta rawatan perubatan yang lebih baik
kepada umum.
1.2
Pernyataan Masalah
Pada masa kini kebanyakan pengukuran linear yang dilakukan pada bahagian
muka pesakit iaitu pada tisu keras dilakukan dengan menggunakan kaedah
konvensional. Kaedah konvensional ini dilihat kurang praktikal dan teknologi yang
digunakan agak ketinggalan. Ini kerana pada masa kini wujud kaedah yang lebih
moden di samping dapat memberikan hasil yang lebih baik lagi (Mohd Farid, 2005).
Kaedah yang dimaksudkan adalah seperti imbasan CT, x-ray, fotogrametri jarak
dekat digital, imbasan laser, imbasan MRI dan sebagainya pada bahagian
craniofacial pesakit.
Dengan menggunakan kaedah-kaedah ini, proses pengukuran dapat dilakukan
pada model digital 3D yang dibangunkan dengan lebih mudah serta cepat tanpa perlu
melakukan pengukuran secara terus pada bahagian muka pesakit. Kaedah ini amat
sesuai digunakan bagi pesakit yang mengalami masalah kecederaan yang kritikal
pada bahagian muka contohnya akibat daripada kemalangan. Kaedah ini juga turut
dipraktikkan pada pesakit yang mengalami masalah kecacatan semasa lahir dan juga
berpenyakit bagi memperbaiki taraf kesihatan serta keadaan pesakit tersebut. Rajah
1.1 menunjukkan contoh-contoh kecacatan pada bahagian muka pesakit.
4
(a)
(b)
(c)
Rajah 1.1: Keadaan kecacatan pada bahagian muka pesakit; (a) ketumbuhan, (b)
kecacatan semasa lahir, (c) kemalangan
Sebelum ini, pengukuran yang dilakukan dengan menggunakan kaedah
konvensional seperti kaliper, pita ukur dan protraktor didapati mengambil masa yang
agak lama berbanding kaedah moden yang digunakan pada masa kini. Contohnya,
penggunaan kaliper di dalam melakukan 10 pengukuran pada bahagian muka pesakit
di dalam kajian ini, telah mengambil masa lebih kurang tujuh minit berbanding
pengukuran yang dilakukan dengan
menggunakan perisian Australis dan
RapidForm2004 iaitu lebih kurang dua minit sahaja.
Proses penentuan titik pengukuran yang terdapat pada bahagian dalam
tengkorak pesakit juga adalah antara masalah yang sering dihadapi oleh doktor dan
pakar bedah di hospital. Dengan menggunakan kaedah moden, model digital 3D dan
model fizikal bagi tisu keras pesakit dapat dihasilkan untuk tujuan perancangan
pembedahan. Model digital 3D dan fizikal yang dihasilkan ini dapat digunakan
untuk menentukan kedudukan titik pengukuran yang sukar ditentukan dengan
menggunakan kaedah konvensional untuk tujuan pengukuran.
5
Pada masa kini, terdapat pelbagai perisian 3D yang wujud di pasaran dan ada
juga yang boleh diperolehi secara percuma dengan memuat turun dari internet untuk
penghasilan model tengkorak secara digital.
Walaubagaimanapun, tidak semua
perisian tersebut dapat menghasilkan model digital yang berkualiti tinggi. Bagi
permodelan tengkorak digital dalam bentuk 3D, kajian ini telah menggunakan tiga
perisian 3D untuk mendapatkan model tengkorak yang mempunyai data berkualiti
tinggi dengan kos perisian yang rendah serta mempunyai kebolehcayaan yang tinggi.
1.3
Objektif Penyelidikan
Dalam kajian ini, penyelidikan dilakukan bertujuan untuk mencapai objektifobjektif berikut:
1. Menghasilkan model digital 3D bagi craniofacial tisu keras dengan
menggunakan data imbasan CT 2D dan tiga perisian 3D.
2. Membandingkan teknik-teknik baru untuk menentukan pengukuran linear
pada model digital 3D dan model fizikal bagi tisu keras manusia serta
menganalisa hasil pengukuran yang telah diperolehi.
1.4
Skop Penyelidikan
Kajian ini merangkumi tiga skop penting. Di antaranya adalah:
1. Menguji tiga jenis perisian 3D yang wujud pada masa kini iaitu
RapidForm2004, 3D Doctor dan 3D Slicer.
6
2. Menguji tiga kaedah pengukuran iaitu pengimbas laser, microscribe digitizer
dan kaliper.
3. Membandingkan 19 pengukuran linear sahaja.
4. Terdapat lima sampel data yang digunakan di dalam kajian.
1.5
Metodologi Penyelidikan
Bagi mencapai objektif-objektif kajian, penyelidikan ini dibahagikan kepada
lima peringkat. Antara peringkat-peringkat tersebut adalah:
1) Perolehan data dan model.
2) Penghasilan dan perbandingan model digital 3D.
3) Penentuan titik pengukuran, proses pengukuran dan perbandingan hasil
pengukuran.
4) Reka bentuk dan pembangunan pangkalan data.
5) Hasil dan analisis.
Rajah 1.2 menunjukkan metodologi bagi kajian ini secara terperinci.
Senarai
keseluruhan metodologi kajian ini adalah seperti berikut:
(a)
Mengenalpasti sumber-sumber data yang digunakan di dalam kajian.
(b)
Memperolehi data-data imbasan CT di dalam fail DICOM, model
craniofacial tisu keras (model fizikal) serta model digital 3D gold standard
(model MIMICS).
(c)
Menghasilkan model digital 3D bagi craniofacial tisu keras menggunakan
perisian RapidForm, 3D Doctor dan 3D Slicer daripada data imbasan CT.
7
8
(d)
Membandingkan nilai sisihan piawai, RMS dan varian bagi model
RapidForm2004 dan MIMICS, 3D Doctor dan MIMICS serta 3D Slicer dan
MIMICS dengan menggunakan perisian RapidForm2004.
(e)
Menentukan enam titik pengukuran pada model digital 3D (menggunakan
imbasan CT) serta pada model fizikal (menggunakan microscribe digitizer,
fotogrametri jarak dekat digital, pengimbas laser dan kaliper) dengan
menggunakan lima set data.
(f)
Melakukan 10 pengukuran linear pada model digital 3D (menggunakan
perisian RapidForm2004) dan model fizikal (menggunakan Australis,
RapidForm2004 dan kaliper).
(g)
Membandingkan nilai-nilai pengukuran bagi model digital 3D (3D Doctor
dan 3D Slicer) dengan fotogrametri jarak dekat digital. Perbandingan ini
tidak dapat dilakukan pada model digital 3D bagi perisian RapidForm2004
disebabkan kesukaran untuk menentukan kedudukan sebenar bagi titik
pengukuran pada model tersebut.
(h)
Menentukan perisian yang dapat menghasilkan model digital 3D terbaik
berdasarkan analisa terhadap nilai sisihan piawai, RMS, varian dan hasil
pengukuran.
(i)
Membandingkan nilai-nilai pengukuran bagi model fizikal (pengimbas laser
dan fotogrametri jarak dekat digital, kaliper dan fotogrametri jarak dekat
digital serta microscribe digitizer dan fotogrametri jarak dekat digital).
(j)
Menentukan teknik pengukuran terbaik bagi model fizikal.
(k)
Menentukan titik pengukuran (36 titik) pada model digital (menggunakan
perisian terbaik) dan model fizikal (menggunakan teknik terbaik),
melakukan proses pengukuran (19 pengukuran) serta membandingkan nilai
pengukuran di antara model digital terbaik dengan titik pengukuran yang
terhasil daripada kaedah terbaik bagi model fizikal.
9
(l)
Mereka bentuk pangkalan data dengan melakukan reka bentuk konseptual,
reka bentuk logikal dan reka bentuk fizikal.
(m) Pembangunan pangkalan data ringkas untuk kemasukan data atribut.
(n)
Hasil dan analisis bagi keseluruhan kajian.
Jadual 1.1 menunjukkan input, proses dan juga output bagi kajian yang
dilakukan. Terdapat dua input di dalam kajian ini iaitu data imbasan CT dan juga
model fizikal bagi craniofacial tisu keras manusia. Bahagian proses pula melibatkan
penggunaan empat pakej perisian 3D iaitu RapidForm2004, 3D Doctor, 3D Slicer
dan MIMICS serta empat peralatan iaitu pengimbas laser VIVID 910, kaliper
vernier, Microscribe Digitizer G2X dan fotogrametri jarak dekat digital. Antara
output yang dihasilkan di dalam kajian ini pula adalah seperti model digital 3D,
koordinat titik pengukuran 3D serta hasil pengukuran bagi jarak linear.
Jadual 1.1: Input, proses dan output bagi kajian
Input
Data imbasan CT
Proses
RapidForm2004
− Import fail DICOM
− Subsampling
− Segmentasi imej
− Masukkan nilai skala (threshold)
− Volume of interest
− Cut volume
− Hasilkan polygonal isosurface
− Hasilkan model 3D
− Tentukan titik pengukuran
− Pengukuran jarak
3D Doctor
− Import fail DICOM
− Image sharpen
− Klasifikasi imej
− Masukkan map pixel value
− 3D rendering
− Segmentasi interaktif
− Hasilkan model 3D
− Tentukan titik pengukuran
− Pengukuran jarak
−
−
−
Output
Model digital 3D
Koordinat titik
pengukuran 3D
Hasil pengukuran
10
Model fizikal
1.6
3D Slicer
− Import fail DICOM
− Threshold
− Change island
− Hasilkan model 3D
− Tentukan titik pengukuran
− Pengukuran jarak
MIMICS
− Diproses oleh SIRIM
Pengimbas laser VIVID 910
− Tentukan titik pengukuran
− Imbas model fizikal
− Register imej
− Merge imej
− Hasilkan model 3D
− Pengukuran jarak
Kaliper vernier
− Tentukan titik pengukuran
− Pengukuran jarak
Microscribe digitizer G2X
− Tentukan titik pengukuran
− Mendigit titik pengukuran
− Hasilkan koordinat titik pengukuran 3D
− Pengukuran jarak
Fotogrametri jarak dekat digital
− Tentukan titik pengukuran
− Mengambil gambar (8 sudut berbeza)
− Pendigitan titik pengukuran (Australis)
− Hasilkan koordinat titik pengukuran 3D
− Pengukuran jarak
−
−
−
Model digital 3D
Koordinat titik
pengukuran 3D
Hasil pengukuran
−
Hasil pengukuran
−
Koordinat titik
pengukuran 3D
Hasil pengukuran
−
Kepentingan Penyelidikan
Kajian ini merupakan salah satu sub topik di dalam penyelidikan Real Time
Image Capturing System Photogrammetry of Craniofacial di bawah vot IRPA 74537
dengan kerjasama Standards and Industrial Research Institute of Malaysia (SIRIM),
Universiti Teknologi Malaysia (UTM) dan Hospital Universiti Sains Malaysia
(HUSM). Penyelidikan ini dibiayai sepenuhnya oleh Kementerian Sains, Teknologi
dan Inovasi (MOSTI). Kajian ini lebih menekankan kepada teknik-teknik yang
digunakan di dalam proses menentukan ketepatan bagi kedudukan titik dan
pengukuran linear pada craniofacial tisu keras manusia.
11
Dengan terhasilnya kajian ini, diharapkan dapat membantu pakar bedah dan
ahli radiologi di dalam merancang sebarang pembedahan yang akan dilakukan iaitu
sebelum dan juga selepas pembedahan.
Kajian ini juga dijangka dapat
menyingkatkan masa serta mengurangkan kerumitan di dalam perancangan
pembedahan yang dilakukan. Pada akhir kajian ini dilakukan, hasil yang diperolehi
adalah model digital 3D bagi craniofacial tisu keras manusia menggunakan perisian
terbaik dan kaedah terbaik untuk menentukan pengukuran linear pada model fizikal
craniofacial manusia.
1.7
Rumuan Aliran Bab
Tesis ini terbahagi kepada tujuh bab. Bab satu membincangkan mengenai
pengenalan bagi kajian yang dilakukan. Bab ini merangkumi pernyataan masalah,
objektif penyelidikan, skop penyelidikan, metodologi penyelidikan serta kepentingan
penyelidikan.
Dalam bab dua pula, topik perbincangan adalah berkaitan dengan kajian
literatur yang dilakukan.
Perbincangan ini termasuklah mengenai craniofacial,
keperluan pengukuran dalam craniofacial, peralatan pengimejan perubatan,
pangkalan data dalam bidang perubatan serta analisa statistik.
Bab tiga adalah lebih memfokuskan kepada penghasilan model digital 3D
bagi craniofacial tisu keras. Manakala bab empat pula menerangkan mengenai titik
pengukuran, penentuan titik pengukuran serta proses pengukuran pada model digital
3D dan juga model fizikal bagi craniofacial tisu keras manusia.
Dalam bab lima, topik perbincangan adalah mengenai pangkalan data ringkas
yang dibangunkan untuk menyimpan maklumat pengukuran pada model. Bab enam
pula merujuk kepada penerangan tentang analisis dan hasil kajian. Bab terakhir iaitu
bab tujuh adalah merangkumi kesimpulan dan cadangan bagi kajian yang dijalankan.
BAB 2
KAJIAN LITERATUR
2.1
Pengenalan Kepada Craniofacial
Perkataan craniofacial merupakan gabungan di antara dua patah perkataan
iaitu cranium dan face.
Menurut Webster’s 1913 Dictionary, cranium adalah
ditakrifkan sebagai tengkorak bagi haiwan sama ada tulang atau rawan yang
menutupi bahagian-bahagian pada otak. Manakala face pula ditakrifkan sebagai
sudut pada tengkorak yang merangkumi di antara garisan lurus dari dahi paling luar
(a) hingga ke bahagian sisi rahang atas (b) dan ke titik porion (Webster, 1995).
Rajah 2.1 menunjukkan gambaran bagi takrifan perkataan face pada bahagian tisu
keras craniofacial manusia.
13
Rajah 2.1: Gambaran takrifan face
Permukaan luar pada craniofacial manusia dikenali sebagai tisu lembut
manakala permukaan dalam craniofacial pula dikenali sebagai tisu keras atau
tengkorak.
Rajah 2.2 menunjukkan bahagian tisu lembut dan tisu keras yang
terdapat pada craniofacial manusia.
Tisu Lembut
(Kulit)
Tisu Keras
(Tulang)
Rajah 2.2: Bahagian tisu lembut dan tisu keras
14
Menurut Kolar dan Salter (1997), tengkorak manusia adalah berbeza
berdasarkan umur, jantina dan juga bangsa. Di United Kingdom, kajian terhadap
bentuk geometri tulang muka manusia bagi 10 kawasan geografi yang berbeza telah
dilakukan oleh Viðarsdóttir et al. (2002). Kajian tersebut dilakukan untuk melihat
perbezaan bentuk geometri bagi tulang muka manusia berdasarkan bangsa atau
kaum.
Menurut Hager (1995), tulang-tulang utama pada tengkorak ini terbahagi
kepada 14 bahagian iaitu frontal (1), parietal (2), occipital (1), temporal (2),
sphenoid (1), zygomatic (2), ethmoid (1), lacrimal (2), maxilla (2), nasal (2),
mandible (1), vomer (1), inferior nasal concha (2) dan palatine (2). Rajah 2.3
hingga Rajah 2.6 menunjukkan bahagian-bahagian yang terdapat pada tisu keras
manusia.
Rajah 2.3: Pandangan hadapan pada bahagian tisu keras
15
Rajah 2.4: Pandangan sisi pada bahagian tisu keras
Rajah 2.5: Pandangan belakang pada bahagian tisu keras
16
Rajah 2.6: Pandangan bawah pada bahagian tisu keras
Pembedahan craniofacial merupakan suatu bidang pembedahan yang
berkaitan dengan craniofacial dan merangkumi proses rawatan ke atas pesakit yang
mengalami kecacatan yang teruk akibat daripada kecacatan semasa lahir, kemalangan
ataupun akibat ketumbuhan. Proses pembedahan craniofacial melibatkan pembinaan
semula tisu lembut dan tulang pada muka serta tengkorak bagi memperbaiki rupa
bentuk dan fungsinya (Mohd Farid, 2005).
17
2.2
Keperluan Pengukuran Dalam Craniofacial
Menurut Farkas dan Munro (1987), keperluan maklumat bagi muka serta
tengkorak manusia adalah amat penting sekali di dalam bidang craniofacial. Selain
digunakan untuk tujuan perancangan pembedahan, maklumat yang diperolehi juga
digunakan untuk tujuan analisis kuantitatif bagi pembedahan pada bahagian muka.
Pengukuran pada craniofacial manusia dilakukan terhadap tisu lembut dan
tisu keras. Pengukuran pada tisu lembut dilakukan pada permukaan kulit manusia
manakala pengukuran pada tisu keras pula dilakukan pada bahagian tulang tengkorak
manusia (Farkas dan Munro, 1987).
Mengikut kajian yang telah dibuat oleh Kolar dan Salter (1997), bilangan titik
craniofacial yang perlu dicerap adalah berbeza mengikut perbezaan pendapat dari
penyelidik-penyelidik terkemuka seperti Broca (18 titik), Martin (33 titik), Hrdlicka
(14 titik), Wood-Jones (31 titik), Davenport (14 titik), Comas (13 titik), Vallois (16
titik), Olivier (17 titik), Weiner (14 titik) dan Hajnis (25 titik).
Jadual 2.1
menunjukkan senarai titik pengukuran mengikut pendapat penyelidik terkemuka.
Jadual 2.2 dan Jadual 2.3 pula merupakan senarai titik pengukuran (30 titik)
serta jenis pengukuran (25 pengukuran) yang terdapat di dalam kajian yang telah
dilakukan oleh Wan Abdul Rahman et al. (2005). Manakala Rajah 2.7 dan Rajah 2.8
menunjukkan titik pengukuran (15 titik) serta pengukuran (12 pengukuran) yang
digunakan di dalam kajian Kitai et al. (2002).
18
Jadual 2.1: Senarai titik pengukuran mengikut pendapat penyelidik terkemuka
(Kolar dan Salter, 1997)
19
Jadual 2.2: Senarai titik pengukuran (Wan Abdul Rahman, 2005)
Bil
Titik Pengukuran
Nama
1.
All
Alare kiri
2.
Alr
Alare kanan
3.
N
Nasion
4.
Cbr
Coronoid base kanan
5.
Ctr
Coronoid tip kanan
6.
Cdr
Condyle kanan
7.
Gor
Gonion kanan
8.
Cdl
Condyle kiri
9.
Cbl
Coronoid base kiri
10. Ctl
Coronoid tip kiri
11. Mnr
Mandibular notch kanan
12. Gn
Ganthion
13. Id
Infradentale
14. Pog
Pogonion
15. Mnl
Mandibular notch kiri
16. Sella
Sella
17. ANS
Anterior Nasal Spine
18. Zfr
Zygofrontal kanan
19. B
Titik B
20. Morl
Medial Orbitale kiri
21. Morr
Medial Orbitale kanan
22. Orl
Orbitale kiri
23. Sorl
Superior Orbitale kiri
24. Orr
Orbitale kanan
25. Sorr
Superior Orbitale kanan
26. Slorl
Superior lateral orbitale kiri
27. Slorr
Superior lateral orbitale kanan
28. Zmil
Zygomaxilla kiri
29. Zmir
Zygomaxilla kanan
30. Zfl
Zygofrontal kiri
20
Jadual 2.3: Senarai jenis pengukuran (Wan Abdul Rahman, 2005)
Bahagian
Pengukuran
Unit
Penerangan
Maxilla
ANS - Pro
mm
Mandible
All - Alr
N - ANS
Cbr – Ctr
mm
mm
mm
Cdr –Gor
mm
Cdl –Cdr
Cbl – Cbr
mm
mm
Ctl – Ctr
mm
Ctr – Mnr
mm
Gor –Gn
Id – Cbr
mm
mm
Id –Pog
Mnl –Mnr
mm
mm
Mnr – Cdr
mm
Sella – N – ANS
mm
Sella – N – B
Morl – Morr
mm
mm
Orl – Sorl
mm
Orr – Sorr
mm
Slorl – Morl
mm
Slorr – Morr
mm
Sorl – Sorr
mm
Slorl – Slorr
mm
Zmil – Zmir
mm
Zfl – Zfr
mm
Jarak dari anterior nasal spine ke
prosthion
Jarak dari alare kiri ke alare kanan
Jarak dari nasion ke anterior nasal spine
Jarak dari caronoid base kanan ke
caronoid tip kanan
Jarak dari condyle kanan ke gonion
kanan
Jarak dari condyle kiri ke condyle kanan
Jarak dari caronoid base kiri ke caronoid
base kanan
Jarak dari caronoid tip kiri ke caronoid
tip kanan
Jarak dari caronoid tip kanan ke
mandibular notch kanan
Jarak dari gonion kanan ke ganthion
Jarak dari infradentale ke caronoid base
kanan
Jarak dari infradentale ke pogonion
Jarak dari mandibular notch kiri ke
mandibular notch kanan
Jarak dari mandibular notch kanan ke
codylion kanan
Sudut dari sella – nasion – anterior nasal
spine
Sudut dari sella – nasion – titik B
Jarak medial orbitale kiri ke medial
orbitale kanan
Jarak orbitale kiri ke superior orbitale
kiri
Jarak dari orbitale kanan ke superior
orbitale kanan
Jarak dari superior lateral orbitale kiri ke
medial orbitale kiri
Jarak dari superior lateral orbitale kanan
ke medial orbitale kanan
Jarak dari superior orbitale kiri ke
superior orbitale kanan
Jarak dari superior lateral orbitale kiri ke
superior lateral orbitale kanan
Jarak dari zygomaxilla kiri ke
zygomaxilla kanan
Jarak dari zygofrontal kiri ke
zygofrontal kanan
Orbits
Zygoma
21
Rajah 2.7: Titik pengukuran (Kitai et al., 2002)
Rajah 2.8: Pengukuran (Kitai et al., 2002)
22
2.3
Kaedah Pengukuran
Proses pengukuran dilakukan dengan menggunakan dua kaedah iaitu
sentuhan dan tanpa sentuhan. Kaedah sentuhan dilakukan dengan menyentuh pada
bahagian muka pesakit dengan menggunakan peralatan pengukuran.
Manakala
kaedah tanpa sentuhan pula dilakukan tanpa menyentuh pada bahagian muka pesakit
dengan menggunakan sama ada peralatan pengukuran atau perisian.
2.3.1
Kaedah Sentuhan
Pada masa kini, kebanyakan pengukuran dilakukan dengan menggunakan
kaedah sentuhan. Walaubagaimanapun, kaedah ini didapati kurang praktikal kerana
pengukuran dilakukan secara terus pada bahagian muka pesakit. Pengukuran yang
dilakukan menggunakan kaedah ini memerlukan alat pengukuran seperti angkup
dalam, angkup luar, pita ukur, pengukur aras dan sudut, kompas dan protaktor,
angkup luar dan dalam, peralatan asas bahagian nasal, peralatan leiber, ear rods,
bubble levels dan sumber-sumber peralatan yang lain (Kolar dan Salter, 1997).
Rajah 2.9 menunjukkan contoh alat yang digunakan untuk membuat pengukuran
dengan kaedah sentuhan.
23
Rajah 2.9: Contoh alat pengukuran craniofacial; (a) Spreading caliper, (b) Pita
ukur, (c) Protraktor, (d) Level and angle finder, (e) Sliding caliper dan (f) Double
sliding caliper (Kolar dan Salter, 1997)
2.3.1.1 Microscribe Digitizer
Microscribe digitizer merupakan sejenis alat yang digunakan untuk mendigit
koordinat bagi mendapatkan titik pengukuran pada sesuatu objek di dalam bentuk
3D.
Peralatan ini membenarkan pengguna untuk menentukan kedudukan serta
pusingan bagi paksi x, y dan z seperti yang dinyatakan oleh Nagasaka et al. (2003).
Microscribe digitizer telah dihubungkan pada perisian Rhinoceros dan Microsoft
Excel untuk mendapatkan kedudukan titik koordinat di dalam bentuk 3D. Rajah 2.10
merupakan microscribe digitizer yang digunakan di dalam kajian untuk mendapatkan
koordinat titik pengukuran pada model fizikal craniofacial manusia.
Manakala
Rajah 2.11 pula merupakan proses pendigitan yang dilakukan pada bahagian muka
manusia.
24
Rajah 2.10: Microscribe Digitizer G2X
Rajah 2.11: Proses pendigitan pada bahagian muka (Nagasaka et al., 2003)
25
2.3.1.2 Kaliper
Kaliper vernier merupakan salah satu alat pengukuran yang sering digunakan
oleh doktor di hospital pada masa kini.
Alat ini digunakan untuk melakukan
pengukuran pada bahagian muka pesakit dengan menggunakan kaedah sentuhan dan
pengukuran dilakukan secara terus pada bahagian muka. Rajah 2.12 menunjukkan
kaliper vernier yang digunakan di dalam kajian ini.
Rajah 2.12: Kaliper vernier
2.3.2
Kaedah Tanpa Sentuhan
Kaedah tanpa sentuhan merupakan satu kaedah pengukuran yang menjadi
tumpuan pada masa sekarang kerana kaedah ini adalah lebih mudah serta praktikal
untuk dilakukan. Kaedah ini melibatkan penggunaan peralatan dan perisian tanpa
26
melakukan pengukuran secara terus pada bahagian muka pesakit. Pengukuran bagi
craniofacial manusia boleh dilakukan dengan menggunakan imej 2D atau 3D yang
diperolehi daripada proses yang telah dilakukan.
Kaedah ini amat sesuai
diaplikasikan untuk pesakit yang mengalami kecederaan teruk pada bahagian muka
dan kepala.
2.3.2.1 Peralatan
Terdapat pelbagai peralatan yang digunakan di dalam bidang perubatan untuk
membuat pengukuran pada imej craniofacial manusia tanpa menyentuh secara terus
pada bahagian muka pesakit. Di antara peralatan tersebut adalah seperti pengimbas
x-ray, pengimbas laser, pengimbas CT, coordinate measuring machine (CMM),
fotogrametri jarak dekat digital dan pengimbas MRI.
Kesemua peralatan ini
dihubungkan kepada perisian-perisian tertentu untuk mendapatkan imej serta
koordinat titik pengukuran di dalam bentuk 3D. Dalam kajian ini, kaedah tanpa
sentuhan yang digunakan adalah melalui pengimbas CT, pengimbas laser dan
fotogrametri jarak dekat digital sahaja. Seksyen 2.3.2.1.1 hingga Seksyen 2.3.2.1.4
menerangkan dengan lebih lanjut mengenai peralatan pengimejan dan pendigitan
kordinat yang sering digunakan pada masa kini.
2.3.2.1.1
Pengimbas Laser
Pengimbas laser merupakan sebuah peralatan imbasan berasaskan cahaya
interferometry yang digunakan untuk menghasilkan model digital 3D secara
automatik seperti yang dinyatakan oleh Alvin et al. (2002).
Pengimbas ini
digunakan untuk mendapatkan objek-objek fizikal berbentuk 3D terutamanya bagi
objek-objek yang mempunyai permukaan geometri yang kompleks dan berbentuk
mudah seperti yang dinyatakan oleh Zakiah et al. (2004). Rajah 2.13 merupakan
pengimbas laser yang digunakan untuk mendapatkan imej pada permukaan luar
sesebuah objek.
27
Rajah 2.13: Pengimbas laser VIVID 910
Dalam bidang perubatan, teknologi ini digunakan untuk menghasilkan model
3D bagi muka, gigi, tangan, kaki, dan bahagian-bahagian tubuh manusia yang lain.
Selain daripada itu, pengimbas laser juga turut diaplikasikan di dalam perancangan
pembedahan, pengukuran antropometrik, pembedahan plastik dan sebagainya. Rajah
2.14 menunjukkan sebuah sistem yang menggunakan dua pengimbas laser untuk
mendapatkan model muka manusia dalam bentuk 3D.
Rajah 2.14: Sistem yang menggunakan pengimbas laser untuk mendapatkan model
3D bagi muka manusia.
28
2.3.2.1.2
Pengimbas Computed Tomography (CT)
Pengimbas CT merupakan peralatan yang menggunakan komputer dan
teknologi sinar x untuk menghasilkan beberapa gambar dalam 2D seperti lapisan
potongan atau cross-sectional pada craniofacial manusia.
Lapisan imej ini
memberikan maklumat tentang bahagian potongan imej secara terperinci mengenai
struktur pada bahagian dalam bagi kepala dan muka, tulang rangka serta tisu lembut
manusia yang tidak dapat diperolehi melalui radiograf biasa (Kolar dan Salter, 1997).
Imej yang terhasil ini juga boleh mempamerkan tulang, tisu lembut dan saluran darah
di dalam imej yang sama. Setiap lapisan imej CT disimpan ke dalam sebuah fail
berformat DICOM. Rajah 2.15 merupakan alat pengimbas CT GE Light Speed Plus
yang digunakan di Jabatan Radiologi, Hospital Universiti Sains Malaysia, Kubang
Kerian. Pengimbas ini digunakan di dalam kajian untuk mendapatkan imej tisu
lembut dan tisu keras pada craniofacial manusia.
Rajah 2.15: Pengimbas CT GE Light Speed Plus
29
Peralatan ini digunakan bertujuan untuk mendapatkan beberapa pengukuran
yang terdapat pada bahagian dalam objek ataupun permukaan kabur yang terlindung.
Contohnya pengukuran yang melibatkan titik pengukuran seperti caronoid tip,
posterior nasal spine dan sella. Titik-titik pengukuran ini terdapat pada bahagian
dalam tengkorak dan sukar untuk ditentukan dengan menggunakan kaedah
konvensional. Pengimbas CT juga turut digunakan untuk memperolehi imej-imej
dari sudut yang berbeza.
Kesemua imej ini kemudian digabungkan untuk
memaparkan tisu badan serta organ sebenar pada manusia. Selain daripada itu,
pengimbas CT juga dapat memberikan maklumat yang lebih terperinci pada
kecederaan kepala, ketumbuhan pada otak dan penyakit-penyakit lain pada bahagian
kepala selepas membuat radiograf biasa (filem x-ray). Imbasan CT yang dilakukan
pada bahagian kepala dan otak boleh menyebabkan pesakit mudah terdedah kepada
radiasi yang merbahaya.
2.3.2.1.3
Pengimbas Magnetic Resonance Imaging (MRI)
Pengimbas MRI merupakan sejenis alat yang menggunakan gelombang
magnet untuk menghasilkan imej-imej bagi struktur badan manusia. Menurut Kolar
dan Salter (1997), imbasan MRI dapat menghasilkan satu siri potongan-potongan
imej bagi tisu badan yang menyerupai teknik imbasan CT. Pengimbas MRI juga
digunakan untuk mendapatkan imej-imej bagi setiap bahagian pada badan manusia
seperti tisu keras, saluran darah, otot-otot, organ-organ, saraf dan sebagainya.
Menurut Lee dan Rao (1987) pula, MRI merupakan salah satu teknik
pengimejan yang digunakan di dalam bidang perubatan untuk menghasilkan imejimej yang berkualiti tinggi pada bahagian dalam tubuh manusia. Pengimbas MRI
dapat memaparkan tisu lembut dengan lebih jelas berbanding pengimbas CT (Kolar
dan Salter, 1997). Tisu-tisu yang berlainan jenis dipaparkan dengan warna yang
berbeza pada imej yang terhasil. Perbezaan warna ini dapat memudahkan proses
mengenalpasti sebarang kecacatan yang berlaku pada bahagian anggota badan
manusia.
30
Sebelum imbasan MRI dilakukan pada bahagian badan manusia, bahagian
badan yang terlibat disuntik dengan sejenis bahan pewarna atau dye bertujuan untuk
mempamerkan tisu-tisu dengan lebih jelas. Rajah 2.16 merupakan contoh pengimbas
MRI yang digunakan di kebanyakan hospital untuk mendapatkan imej tisu lembut
pada craniofacial manusia.
Rajah 2.16: Pengimbas Magnetic Resonance Imaging (MRI)
2.3.2.1.4
Fotogrametri Jarak Dekat Digital
Fotogrammetri jarak dekat digital merupakan satu kaedah yang baru
diaplikasikan di dalam bidang pengimejan perubatan. Kaedah ini berkonsepkan
pengukuran tanpa menyentuh objek kajian. Kaedah fotogrametri jarak dekat digital
ini dilakukan untuk mendapatkan maklumat 3D dengan menggunakan kamera digital
dan juga perisian 3D.
Rajah 2.17 merupakan contoh aplikasi pengukuran
fotogrametri jarak dekat digital yang dilakukan ke atas muka patung manusia. Imej
muka patung tersebut telah diambil menggunakan kamera digital dan kemudiannya
diproses dengan menggunakan perisian Australis. Model bagi muka patung tersebut
adalah diperolehi di dalam bentuk titik-titik dan digunakan untuk tujuan pengukuran.
31
Rajah 2.17: Contoh aplikasi pengukuran fotogrametri jarak dekat digital
2.3.2.2 Perisian
Selain daripada peralatan, perisian juga turut digunakan untuk mendapatkan
titik pengukuran dalam bentuk koordinat 3D serta pengukuran tanpa menyentuh pada
bahagian muka pesakit. Di antara perisian-perisian yang sering digunakan untuk
mendapatkan titik pengukuran dalam bentuk koordinat 3D serta pengukuran adalah
seperti Rhinoceros, MIMICS, Australis, Magic, 3D Slicer, RapidForm2004 dan 3D
Doctor. Dalam kajian ini, perisian yang terlibat untuk pegukuran tanpa sentuhan
adalah perisian RapidForm2004 dan Australis.
Pengukuran pada craniofacial
dilakukan setelah koordinat titik pengukuran dan model craniofacial 3D dihasilkan
daripada perisian-perisian RapidForm2004, 3D Doctor, 3D Slicer dan MIMICS.
Seksyen 2.3.2.2.1 hingga Seksyen 2.3.2.2.4 menerangkan mengenai beberapa
perisian yang boleh digunakan untuk tujuan pengukuran pada masa kini.
32
2.3.2.2.1
RapidForm2004
Rapidform2004 merupakan sebuah perisian 3D pertama di dunia yang
digunakan untuk memproses data imbasan (RapidForm2004, 2003).
Terdapat
sembilan bahagian fungsi yang berbeza di dalam perisian RapidForm2004 iaitu scan
workbench, polygon workbench, color workbench, curve workbench, surface
workbench, feature workbench, exchange workbench dan 3D imaging workbench.
Perisian RapidForm2004 telah dihasilkan oleh INUS Technology, Inc. pada
tahun 2004. Perisian ini dapat diaplikasikan di dalam bidang reverse engineering,
pemeriksaan kualiti, pembuatan filem, reka bentuk permainan, senibina objek,
pembangunan dan penghasilan badan manusia secara 3D serta permodelan simulasi
bagi cosmetic surgery (RapidForm2004, 2003). Rajah 2.18 menunjukkan paparan
bagi antaramuka perisian RapidForm2004 dengan menggunakan 3D imaging
workbench.
Spesifikasi sistem bagi Rapidform2004 pula ditunjukkan seperti di
dalam Jadual 2.4.
Rajah 2.18: Antaramuka perisian RapidForm2004 (3D imaging workbench)
33
34
Berdasarkan spesifikasi perisian yang terdapat di dalam Jadual 2.4, perisian
RapidForm2004 memerlukan sebuah komputer pentium yang beroperasi sama ada
menggunakan Windows 98, Windows Me, Windows 2000, Windows XP ataupun
Windows NT 4.0. Komputer yang digunakan memerlukan Random Access Memory
(RAM) minimum sebanyak 512 MB. Dalam pemasangan program pula, sebanyak
300 MB ruang kosong diperlukan manakala untuk contoh fail latihan, sebanyak 400
MB ruang kosong diperlukan.
Perisian ini juga memerlukan sebanyak 500 MB ruang kosong untuk
penyimpanan fail sementara. Dengan menggunakan perisian RapidForm2004, kad
grafik yang diperlukan adalah seperti NVIDIA, 3DLabs Oxygen GVX, 3Dlabs
Wildcat, Ge Force dan ATI FireGL2. Kualiti warna yang minimum diperlukan
untuk perisian ini adalah 16-bit warna. Format fail input bagi perisian ini adalah
model (*.mdl) manakala output pula adalah Stereo Lithography (*.stl). Saiz bagi
setiap model digital 3D yang dihasilkan menggunakan perisian ini adalah lebih
kurang 89 MB. Kos bagi perisian RapidForm2004 adalah sebanyak RM70,000.
2.3.2.2.2
3D Doctor
3D Doctor merupakan sebuah perisian yang digunakan untuk penyelidikan di
dalam bidang perubatan (MRI, CT, Microscopy), kejuruteraan, saintifik dan aplikasiaplikasi untuk imej 3D. Perisian ini dapat menghasilkan model permukaan 3D dan
juga volume rendering daripada potongan imej-imej CT 2D dalam beberapa minit
sahaja dengan kos komputer yang rendah. Model ini juga boleh ditukar ke dalam
pelbagai format seperti Drawing Exchange Format (*.dxf), Initial Graphics
Exchange Specification (*.iges), 3D Studio (*.3ds) dan *.stl. Perisian ini juga dapat
mengira volume bagi model 3D yang terhasil serta dapat membuat pengukuran yang
tepat untuk analisa kuantitatif. Dengan menggunakan perisian ini juga, model 3D
bagi CT atau MRI boleh dipotong melalui mana-mana paksi yang diingini sama ada
paksi x, y ataupun z.
35
Jadual 2.4 (rujuk Seksyen 2.3.2.2.1) menunjukkan spesifikasi perisian bagi
3D Slicer. Manakala Rajah 2.19 pula menunjukkan antaramuka perisian 3D Doctor
yang digunakan di dalam kajian ini.
Rajah 2.19: Antaramuka perisian 3D Doctor
Berdasarkan Jadual 2.4 perisian 3D Doctor memerlukan komputer pentium
yang beroperasi sama ada di dalam Windows 9X, Windows NT, Windows 2000
ataupun Windows XP. Sebanyak 256 MB RAM diperlukan untuk 3D rendering bagi
imej yang bersaiz besar. Di samping itu, 5 MB ruang kosong diperlukan untuk
perisian ini dan sedikit ruang tambahan untuk penyimpanan imej-imej.
Kualiti
warna yang minimum diperlukan untuk perisian ini adalah 16-bit warna. Format fail
input bagi perisian ini pula adalah surface (*.suf) manakala output pula adalah *.stl.
Saiz bagi setiap model digital 3D yang dihasilkan menggunakan perisian ini adalah
lebih kurang 10 MB. Kos bagi perisian 3D Doctor adalah sebanyak RM25,000.
36
2.3.2.2.3
3D Slicer
3D Slicer merupakan sebuah perisian 3D yang digunakan untuk pemeriksaan
terhadap tisu hidup dan craniotomies di dalam bilik pembedahan.
Perisian ini
menawarkan visualisasi diagnostik dan perancangan pembedahan di hospital serta
kemudahan penyelidikan terhadap perubahan otak. 3D Slicer merupakan perisian
sumber terbuka dan boleh dimuat turun secara percuma di internet.
Perisian 3D Slicer mempunyai struktur yang bermodul dan pengguna adalah
bebas memilih fungsi-fungsi yang diperlukan.
Perisian ini juga membenarkan
pengguna membina modul sendiri sama ada untuk kegunaan sendiri ataupun untuk
dikongsi dengan orang lain. Modul 3D Slicer ditulis di dalam format Tool Command
Language (*.tcl), Tool Kit (*.tk) dan Visualization Tool Kit (*.vtk). Menurut Slicer
(2004), pembangunan perisian ini dilakukan dengan kerjasama di antara
Massachusetts Institute of Technology (MIT) Artificial Intelligence Lab dan Surgical
Planning Lab di Brigham & Women’s Hospital.
Rajah 2.20 menunjukkan
antaramuka perisian 3D Slicer yang digunakan di dalam kajian ini.
Rajah 2.20: Antaramuka perisian 3D Slicer
37
Jadual 2.4 (rujuk Seksyen 2.3.2.2.1) menunjukkan keperluan minimum sistem
bagi perisian 3D Slicer. Penggunaan 3D Slicer memerlukan komputer pentium yang
beroperasi sama ada di dalam Windows 98, Windows NT ataupun Windows 2000.
Keperluan minimum bagi RAM adalah 128 MB dan sebanyak 27 MB ruang storan
diperlukan untuk pemasangan program ini. Bagi set data tutorial pula, sebanyak 37
MB ruang storan diperlukan.
Kualiti warna yang minimum diperlukan untuk
perisian ini adalah 16-bit warna. Format fail input bagi perisian ini pula adalah *.vtk
manakala output pula adalah *.stl. Saiz bagi setiap model digital 3D yang dihasilkan
menggunakan perisian ini adalah lebih kurang 54 MB. Perisian 3D Slicer adalah
perisian sumber terbuka dan boleh dimuat turun daripada internet secara percuma.
2.3.2.2.4
Materialise's Interactive Medical Image Control System (MIMICS)
MIMICS merupakan sebuah perisian yang interaktif untuk segmentasi dan
visualisasi bagi imej CT dan MRI (Materialise, 2005). Di dalam bidang perubatan,
perisian ini turut digunakan untuk diagnostik dan perancangan pembedahan. Dengan
adanya MIMICS, perisian ini membolehkan pakar bedah atau ahli radiologi
mengawal serta membetulkan proses segmentasi bagi imbasan CT dan MRI.
MIMICS berupaya memproses data imbasan CT dan MRI dengan
menukarkannya ke dalam bentuk Computer Aided Design (CAD) 3D dan data rapid
protototyping (RP) dalam masa beberapa minit sahaja.
Perisian ini dapat
memaparkan tisu lembut, tisu keras, udara, lemak, otot, enamel gigi, tulang
trabecular dan juga tulang cortical pada bahagian craniofacial manusia. Spesifikasi
bagi perisian MIMICS ini ditunjukkan di dalam Jadual 2.4. (rujuk Seksyen 2.3.2.2.1)
Manakala Rajah 2.21 pula merupakan contoh paparan sebahagian daripada model
tengkorak manusia dengan menggunakan perisian ini.
38
Rajah 2.21: Antaramuka perisian MIMICS
Merujuk kepada Jadual 2.4 (rujuk Seksyen 2.3.2.2.1), perisian MIMICS
memerlukan komputer pentium yang beroperasi sama ada di dalam Windows NT4,
Windows 2000 ataupun Windows XP. Sebanyak 128 MB RAM diperlukan untuk
ruang storan manakala 50 MB ruang diperlukan untuk pemasangan program bagi
perisian ini. Bagi kad grafik yang digunakan pula, pengguna boleh memilih untuk
menggunakan sama ada PowerVR chipsets, KyroII chipsets ataupun Ge Force.
Kualiti warna yang minimum diperlukan untuk perisian ini adalah 16-bit warna.
Format fail input bagi perisian ini pula adalah mimics (*.mcs) manakala output pula
adalah *.stl.
Saiz bagi setiap model digital 3D yang dihasilkan menggunakan
perisian ini adalah lebih kurang 42 MB. Kos bagi perisian MIMICS adalah sebanyak
RM50,000.
39
2.4
Pangkalan Data Dalam Bidang Perubatan
Pada masa kini, terdapat pelbagai pangkalan data yang telah direka bentuk
dan dibangunkan untuk diaplikasikan di dalam bidang perubatan.
Di antara
pangkalan data yang telah dibangunkan adalah seperti Hospital Information System
(HIS), Radiology Information System (RIS) dan Picture Archiving Communication
System (PACS) seperti yang dinyatakan oleh Cardenas et al. (1993).
HIS telah dibangunkan untuk menyimpan maklumat pesakit, sejarah klinikal,
laporan makmal klinikal, perkhidmatan hospital serta maklumat pengakuan. RIS
pula dibangunkan untuk menyimpan x-ray yang telah didigit serta maklumat x-ray
tersebut. Manakala PACS pula berfungsi untuk menyimpan imej yang telah diimbas.
Selain itu, Advantage Workstation (AW) serta Clinical Information System
(CIS) juga turut dibangunkan bertujuan untuk memenuhi keperluan pengguna seperti
pakar bedah, pakar perubatan dan staf di dalam menguruskan data-data pesakit di
hospital. Seksyen 2.4.1 hingga Seksyen 2.4.3 adalah menerangkan dengan lebih
lanjut beberapa contoh pangkalan yang telah dibangunkan.
2.4.1
Advantage Workstation (AW)
Di Hospital Universiti Sains Malaysia, pangkalan data yang digunakan pada
masa kini adalah AW. Pangkalan data AW telah dibangunkan oleh GE Medical
System dan digunakan untuk menyimpan data pesakit seperti data imbasan CT,
imbasan MRI, X-ray, computed radiography dan sebagainya di dalam fail DICOM.
Pangkalan data ini juga turut dihubungkan dengan sistem-sistem yang ada di jabatanjabatan lain di dalam hospital tersebut. Rajah 2.22 menunjukkan imej-imej yang
dipaparkan dengan menggunakan perisian AW ini.
40
Rajah 2.22: Imej paparan Advantage Workstation
2.4.2
Picture Archiving Communication Systems (PACS)
PACS berfungsi sebagai sebuah pangkalan data yang digunakan untuk
menyimpan imej-imej perubatan di dalam bentuk 2D. Pangkalan data ini digunakan
di Shizuoka Cancer Center Hospital (SCCH), Japan bermula pada tahun 2002 apabila
hospital tersebut dibuka. Memandangkan bilangan pesakit kanser di Shizuoka, Japan
semakin bertambah, maka PACS telah diaplikasikan di hospital ini. Pangkalan data
ini digunakan sebagai alternatif kepada sistem di hospital sebelum ini yang
menggunakan kertas dan juga filem. Kini, kesemua aktiviti-aktiviti perubatan adalah
diuruskan secara elektronik dan direkod tanpa penggunaan filem dan juga kertas
seperti yang dinyatakan oleh Furukawa et al. (2004).
menunjukkan paparan imej bagi PACS.
Rajah 2.23 adalah
41
Rajah 2.23: Picture Archiving Communication Systems
Dengan kewujudan PACS, tahap kecekapan di jabatan imej perubatan dapat
dipertingkatkan dengan membenarkan maklumat perubatan disimpan, dicapai,
dipapar, dimanipulasi serta dicetak secara digital. Dengan mengimplementasikan
PACS juga, terdapat banyak peningkatan yang mampu dilakukan untuk merawat
pesakit seperti mengurangkan masa menunggu serta mempercepatkan masa untuk
mengdiagnosis pesakit. PACS dapat meningkatkan tahap kecekapan di jabatan imej
perubatan disamping dapat meningkatkan produktiviti serta maklumat yang terdapat
di dalam pangkalan data juga boleh dicapai oleh pelbagai pengguna secara serentak.
2.4.3
Clinical Information System (CIS)
CIS merupakan sistem berasaskan komputer yang dibangunkan untuk
mengumpul, menyimpan, memanipulasi serta mempersembahan kesemua maklumat
klinikal yang penting untuk penjagaan pesakit. Pangkalan data ini menghasilkan
42
sebuah gudang data yang berpusat bagi maklumat yang berkaitan dengan diri pesakit
untuk diagihkan pada lokasi-lokasi yang lain. Gudang data ini dapat memaparkan
sejarah keuzuran pesakit serta interaksi pembekal untuk membantu staf klinik di
dalam menentukan keadaan pesakit, pilihan rawatan serta aktiviti kesihatan seperti
yang dinyatakan oleh Dean et al. (2002). Antara kelebihan CIS adalah seperti
capaian data pesakit menjadi lebih mudah, maklumat yang disimpan adalah lebih
berstruktur, memberikan hasil yang lebih baik kepada pesakit serta dapat
meningkatkan taraf kesihatan pesakit.
Di Australia, CIS telah diaplikasikan di
Wesley Private Hospital yang terletak di Brisbane.
2.5
Analisa Statistik
Dalam kajian ini, analisa statistik telah dibuat untuk mendapatkan nilai
sisihan piawai, RMS dan juga varian. Berikut merupakan formula yang digunakan
untuk pengiraan nilai sisihan piawai di dalam kajian ini iaitu:
s=
∑
n
i =1
( X i − X )2
(n − 1)
(2.1)
dimana s adalah simbol bagi sisihan piawai. Dalam kajian ini, X mewakili nilai
pengukuran yang terdapat dalam set data dan n adalah bilangan set data. i merujuk
kepada set data ke-i dalam susunan data set. X adalah nilai purata bagi set data
(Smith, 2002).
Dalam kajian ini, nilai RMS bagi model digital 3D yang dibandingkan
dengan model perisian MIMICS turut dihitung. Nilai RMS ini dihitung berdasarkan
nilai sisihan piawai yang telah diperolehi sebelum ini. Pengiraan nilai RMS di dalam
kajian ini adalah mengikut formula berikut:
43
0
(2.2)
dimana
xi2
adalah
simbol
bagi
sisihan
piawai.
Dalam
kajian
ini,
merujuk kepada nilai-nilai bagi sisihan piawai dan N adalah
bilangan bagi data sisihan piawai (Wikipedia, 2005).
Selain daripada nilai sisihan piawai dan RMS, nilai bagi varian turut dihitung
untuk membuktikan perisian yang dapat menghasilkan model digital 3D terbaik.
Rumus berikut telah digunakan untuk mendapatkan nilai varian di dalam kajian ini
iaitu:
s
2
∑
=
n
i =1
( X1 − X )2
(n − 1)
(2.3)
dimana s2 adalah simbol bagi varian. Dalam kajian ini, X mewakili set data dan n
adalah bilangan set data. X i merujuk kepada set data yang ke-i dalam susunan
nombor dalam data set. X adalah nilai purata bagi set data (Smith, 2002).
2.6
Rumusan
Bab 2 di dalam kajian ini menerangkan tentang pengenalan kepada
craniofacial, keperluan pengukuran di dalam craniofacial, peralatan pengimejan dan
pendigitan koordinat serta pangkalan data di dalam bidang perubatan. Kajian yang
dilakukan ini adalah lebih menumpukan kepada bahagian tisu keras pada
craniofacial manusia. Bahagian tisu keras ini digunakan untuk tujuan pengukuran
selepas model digital 3D dan model fizikal dihasilkan.
44
Pengukuran yang tepat pada craniofacial manusia amat diperlukan oleh pakar
bedah untuk perancangan pembedahan bagi pesakit yang mengalami masalah pada
bahagian muka dan kepala. Biasanya, pengukuran dilakukan sebelum dan selepas
pesakit menjalani pembedahan dengan menggunakan kaedah atau perisian tertentu.
Dalam kajian ini, kaedah dan perisian yang digunakan untuk tujuan pengukuran
adalah seperti kaliper, perisian RapidForm2004 dan juga Australis.
Teknologi pada masa kini telah berjaya menghasilkan pelbagai peralatan
pengimejan serta pendigitan koordinat untuk diaplikasikan di dalam bidang
perubatan. Kajian ini telah menggunakan pengimbas CT, pengimbas laser VIVID
910, Microscribe Digitizer G2X, fotogrametri jarak dekat digital untuk tujuan
tersebut.
Bab ini juga turut menerangkan mengenai beberapa pangkalan data yang
telah diaplikasikan di dalam bidang perubatan pada masa kini. Dalam kajian ini,
sebuah pangkalan data ringkas telah dibangunkan untuk menyimpan maklumat
pesakit, imej 2D bagi model yang dihasilkan, kaedah yang digunakan, titik
pengukuran yang dicerap (x, y, z) dan pengukuran yang dilakukan. Pangkalan data
tersebut telah dibangunkan dengan menggunakan perisian Microsoft Access 2003
untuk kegunaan di dalam kajian ini sahaja.
BAB 3
PENGHASILAN DAN PERBANDINGAN MODEL DIGITAL 3D BAGI
CRANIOFACIAL TISU KERAS
3.1
Pendahuluan
Beberapa tahun kebelakangan ini, permodelan dan pengukuran pada bahagian
muka manusia menjadi semakin penting untuk tujuan animasi komputer dan juga
perubatan (D’Apuzzo, 1998). Model digital 3D yang dihasilkan dapat digunakan
untuk menentukan titik pengukuran pada muka pesakit dengan lebih tepat, mudah
dan cepat. Selain itu, penghasilan model digital 3D ini dapat membantu pakar bedah
di dalam merancang sebarang pembedahan yang ingin dilakukan.
Dalam bab ini, perbincangan adalah mengenai perolehan data, penghasilan
model digital 3D serta perbandingan bagi model-model yang dihasilkan. Bagi tujuan
penghasilan model digital 3D, kajian ini telah menggunakan data yang diperolehi
daripada kaedah imbasan CT dan diproses dengan menggunakan perisian seperti
RapidForm2004, 3D Doctor dan 3D Slicer.
46
3.2
Perolehan Data
Dalam kajian ini, data yang digunakan adalah diperolehi daripada imbasan
CT yang dilakukan oleh Hospital Universiti Sains Malaysia. Manakala model fizikal
dan model digital 3D gold standard iaitu MIMICS diperolehi daripada SIRIM
Berhad.
3.2.1
Data Imbasan Computed Tomography (CT)
Imbasan CT menggabungkan penggunaan komputer digital bersama peralatan
rotating x-ray bagi menghasilkan potongan imej-imej yang lengkap pada bahagianbahagian badan seperti paru-paru, hati, ginjal, pankreas, pelvis, otak, tulang belakang
dan salur darah. Pengimbas CT merupakan mesin berbentuk donat yang mengambil
imej bergambar di dalam bentuk potongan-potongan imej 2D. Rajah 2.15 (rujuk
Seksyen 2.3.2.1.2) yang terdapat di dalam bab 2 merupakan pengimbas CT berjenis
GE Light Speed Plus yang digunakan di dalam kajian ini. Pengimbas ini dapat
menghasilkan imej tisu keras pada bahagian craniofacial manusia.
Dengan adanya pengimbas CT, bahagian yang mempunyai tumor pada
craniofacial manusia dapat dikenalpasti dengan mudah. Teknik ini bukan sahaja
dapat mendedahkan kehadiran tumor tersebut malah juga dapat mendedahkan saiz,
lokasi ruang dan keluasan tumor tersebut.
Selain itu juga, imbasan CT dapat
menunjukkan darah beku, kerosakan saluran darah, pembesaran ventrikal
(disebabkan oleh bendalir yang terbina di dalam cerebrospinal) dan imej yang tidak
normal seperti saraf atau otot pada mata. Dengan masa imbasan yang singkat iaitu di
antara 500 milisaat hingga beberapa saat, CT boleh digunakan untuk kesemua
bahagian anatomik.
47
Dalam sesebuah pembedahan yang dilakukan di hospital, data imbasan CT
adalah sangat berguna untuk tujuan pembangunan semula bahagian muka yang tidak
normal atau tercedera akibat kemalangan. Walau bagaimanapun, proses imbasan CT
hanya
dilakukan
pada
bahagian-bahagian
yang
diperlukan
mengurangkan radiasi yang tinggi terhadap pesakit.
sahaja
untuk
Selain daripada itu, saiz
ketebalan bagi setiap potongan imej pula adalah bergantung pada keperluan kajian
bagi pakar bedah.
Menurut West & Coronado (2003), saiz ketebalan bagi setiap potongan imej
CT yang digunakan adalah di antara 1 mm hingga 2 mm. Sementara Kitai et al.
(2002) pula, saiz ketebalan yang digunakan di dalam kajiannya adalah 2 mm bagi
setiap potongan imej. Di Hospital Universiti Sains Malaysia, saiz ketebalan bagi
setiap potongan imej yang diambil menggunakan imbasan CT adalah di antara 1.25
mm hingga1.69 mm. Manakala kajian yang dilakukan oleh Lo dan Chen (2003) pula
menggunakan saiz ketebalan di antara 1 mm hingga 3 mm.
Dalam kajian ini, setiap potongan imej 2D yang dihasilkan daripada imbasan
CT mempunyai saiz ketebalan di antara 1.25 mm hingga 1.69 mm.
Kesemua
potongan imej 2D tersebut disimpan ke dalam sebuah fail berformat DICOM yang
mempunyai saiz lebih kurang 104 MB. Bagi menghasilkan sebuah model digital 3D
yang merangkumi keseluruhan craniofacial tisu keras pesakit, sebanyak 180 hingga
220 potongan imej 2D diperlukan di dalam sesebuah fail DICOM.
Rajah 3.1
merupakan data imbasan CT dalam bentuk potongan imej 2D yang dipaparkan
dengan menggunakan perisian 3D Doctor.
48
Rajah 3.1: Data imbasan CT dalam bentuk potongan imej 2D menggunakan perisian
3D Doctor
3.2.2
Model Fizikal
Dengan menggunakan teknologi reverse engineering dan RP, model fizikal
boleh dihasilkan untuk digunakan di dalam beberapa aplikasi perubatan. Model
fizikal ini dapat membantu pakar bedah untuk menggambarkan masalah
pembedahan, memudahkan komunikasi dan membuat keputusan di antara ahli
kumpulan yang terlibat seperti yang dinyatakan oleh Lee et al. (2003). Dalam kajian
ini, penggunaan model fizikal adalah bertujuan bagi menggantikan tengkorak asal
pesakit untuk dibandingkan dengan model digital 3D yang dihasilkan. Model fizikal
ini diperolehi daripada SIRIM Berhad dan dikenali juga sebagai model SLA
(stereolitography).
Teknik penghasilan SLA dapat menghasilkan model fizikal
melalui bahan pepejal terpilih dari pelbagai serbuk dan cecair seperti yang
dinyatakan oleh Mazzoli et al. (2006). Rajah 3.2 merupakan salah satu model fizikal
yang digunakan di dalam kajian ini iaitu model bagi Set 2.
49
Rajah 3.2: Model fizikal (Set 2)
Dalam kajian ini, penghasilan model fizikal dilakukan oleh SIRIM. Model
ini dihasilkan berdasarkan data imbasan CT yang diproses menggunakan perisian
MIMICS. Model fizikal ini dapat membantu di dalam perancangan rawatan atau
pembedahan ke atas pesakit iaitu sebelum dan selepas pembedahan. Selain perisian
MIMICS, perisian 3D lain juga boleh digunakan untuk tujuan yang sama. Antaranya
ialah True Life Anatomy, Analyze, 3D Slicer dan sebagainya.
Rajah 3.3
menunjukkan mesin Viper si2 yang digunakan untuk membuat model fizikal bagi
tengkorak manusia.
Rajah 3.3: Penghasilan model fizikal
50
3.2.3
Model Digital 3D Gold Standard
Selain daripada model fizikal, model digital 3D yang terhasil daripada
perisian MIMICS juga turut diperolehi daripada SIRIM Berhad dan telah dijadikan
sebagai gold standard. Model 3D MIMICS digunakan untuk tujuan perbandingan
dengan model-model yang dihasilkan daripada perisian RapidForm2004, 3D Doctor
dan 3D Slicer. Model ini dihasilkan daripada data-data imbasan CT yang diperolehi
daripada Hospital Universiti Sains Malaysia. Dengan menggunakan MIMICS, datadata berbentuk potongan imej 2D ini kemudian diproses ke dalam bentuk 3D. Model
yang dihasilkan daripada perisian ini adalah berkualiti tinggi. Walaubagaimanapun,
kos bagi perisian ini adalah amat tinggi iaitu RM50,000 dan penggunaannya juga
adalah terhad. Rajah 3.4 merupakan salah satu model gold standard yang terhasil
daripada perisian MIMICS.
Rajah 3.4: Model digital 3D gold standard (MIMICS) daripada SIRIM Berhad
51
3.3
Penghasilan Model Digital 3D
Kajian ini menggunakan tiga jenis perisian 3D iaitu RapidForm2004, 3D
Doctor dan 3D Slicer untuk menghasilkan model digital bagi craniofacial tisu keras
manusia.
Model digital 3D ini dihasilkan dengan menggunakan data-data yang
diperolehi daripada imbasan CT yang dilakukan oleh Hospital Universiti Malaysia.
Rajah 3.5 menunjukkan cartalir ringkas bagi penghasilan model digital 3D di dalam
kajian ini.
Rajah 3.5: Cartalir ringkas bagi penghasilan model digital
Perisian 3D yang terdapat di dalam kotak berwarna kelabu pada Rajah 3.5
merupakan perisian yang digunakan untuk menghasilkan model digital 3D di dalam
kajian ini. Manakala perisian yang terkandung di dalam kotak berwarna hitam pula
merupakan perisian yang digunakan oleh SIRIM untuk menghasilkan model digital
3D gold standard bagi kegunaan di dalam kajian ini.
52
3.3.1
Model RapidForm2004
Dalam kajian ini, penghasilan model digital 3D dengan menggunakan
perisian RapidForm2004 memerlukan pengguna melakukan proses-proses seperti
yang terdapat di dalam Rajah 3.6. Dengan memilih 3D imaging workbench, fail
berformat DICOM kemudiannya diimport ke dalam perisian RapidForm2004. Fail
DICOM ini mengandungi imej-imej imbasan CT berbentuk 2D yang merangkumi
keseluruhan craniofacial tisu keras pesakit. Bilangan imej yang terkandung di dalam
fail ini adalah bergantung kepada saiz ketebalan bagi setiap potongan imej serta
bahagian yang diimbas.
Rajah 3.6: Proses penghasilan model digital 3D menggunakan RapidForm2004
Dalam kajian ini, bilangan potongan imej yang terkandung di dalam satu fail
DICOM adalah di antara 180 hingga 220 imej dengan saiz bagi sebuah fail DICOM
adalah lebih kurang 104 MB Bilangan imej ini merangkumi keseluruhan bahagian
pada tengkorak manusia. Seterusnya, nilai bagi subsampling iaitu satu dimasukkan
sebelum proses segmentasi dilakukan. Nilai subsampling yang paling kecil telah
dipilih untuk mendapatkan model 3D yang paling baik.
53
Dalam proses segmentasi, nilai minimum dan maksimum dimasukkan untuk
memaparkan bahagian yang dikehendaki sahaja iaitu tisu keras.
Perisian ini
menggunakan nilai julat di antara 3155 hingga 4096 untuk mendapatkan tisu keras
pada craniofacial pesakit. Walaubagaimanapun, nilai julat yang berlainan hendaklah
digunakan untuk mendapatkan bahagian-bahagian lain seperti tisu lembut, otot dan
sebagainya.
Pada bahagian volume of interest pula, bahagian yang tidak diperlukan
dibuang bertujuan untuk mengurangkan saiz fail bagi model yang dihasilkan.
Seterusnya, model bagi craniofacial tisu keras pesakit dihasilkan dan disimpan di
dalam format *.mdl sebelum dieksport ke dalam format *.stl.
Rajah 3.7
menunjukkan model digital yang dihasilkan dengan menggunakan perisian
RapidForm2004. Manakala Lampiran A pula menerangkan dengan lebih terperinci
mengenai proses penghasilan model digital 3D dengan menggunakan perisian
RapidForm2004 ini.
Rajah 3.7: Model digital 3D menggunakan RapidForm2004
54
3.3.2
Model 3D Doctor
Proses penghasilan model digital 3D menggunakan perisian 3D Doctor pula
ditunjukkan di dalam Rajah 3.8. Pertama sekali, fail berformat DICOM diimport ke
dalam perisian sebelum image sharpen dilakukan. Image sharpen ini dilakukan
bertujuan untuk memaparkan imej dengan lebih jelas. Seterusnya proses klasifikasi
imej dilakukan untuk mengkelaskan imej kepada beberapa bahagian. Dalam kajian
ini, imej imbasan CT telah dikelaskan kepada tiga bahagian iaitu tisu lembut, tisu
keras dan udara.
Kemudian, nilai bagi map pixel value ditentukan iaitu dengan memasukkan
nilai minimum dan maksimum untuk bahagian yang diperlukan iaitu tisu keras. Nilai
julat ini seterusnya ditukarkan kepada suatu nilai yang baru.
Julat bagi nilai
minimum dan maksimum yang digunakan di dalam perisian ini adalah di antara 0
hingga 2112 dan julat ini ditukarkan kepada nilai yang baru iaitu 0.
Rajah 3.8: Proses penghasilan model digital 3D menggunakan 3D Doctor
Selepas itu, segmentasi secara interaktif dilakukan pada bahagian 3D
rendering. Pada proses segmentasi di dalam perisian ini, julat bagi nilai tisu keras
dimasukkan iaitu di antara 200 hingga 4096.
Kemudian, surface rendering
55
dilakukan dengan memilih simple surface untuk menghasilkan model digital 3D bagi
craniofacial tisu keras pesakit. Model ini berformat *.suf sebelum diekspot ke
dalam format *.stl. Rajah 3.9 menunjukkan model digital yang dihasilkan dengan
menggunakan 3D Doctor. Manakala rujukan yang terdapat pada Lampiran B pula
menerangkan dengan lebih terperinci mengenai proses penghasilan model digital ini.
Rajah 3.9: Model digital 3D menggunakan 3D Doctor
3.3.3
Model 3D Slicer
Dalam kajian ini juga, proses penghasilan model digital 3D menggunakan
perisian 3D Slicer dilakukan seperti yang ditunjukkan di dalam Rajah 3.10. Pada
mulanya, fail DICOM diimport ke dalam perisian ini.
Setelah kesemua data
diimport, satu paparan mengenai maklumat data dipamerkan seperti saiz imej, saiz
piksel, saiz ketebalan potongan imej, saiz ruang antara potongan imej, jenis skala dan
56
bilangan skala. Seterusnya proses threshold dilakukan bertujuan untuk memilih
bahagian yang diperlukan sahaja iaitu tisu keras untuk penghasilan model 3D. Julat
di antara nilai minimum dan nilai maksimum yang digunakan untuk menghasilkan
model tengkorak ini adalah di antara 1024 hingga 4095. Julat ini diwakili oleh satu
warna (contohnya warna ungu) dan warna ini menggambarkan tisu keras yang telah
dipilih seperti yang ditunjukkan pada Rajah 3.11.
Rajah 3.10: Proses penghasilan model digital 3D menggunakan 3D Slicer
Selepas itu, proses change island pula dilakukan bertujuan untuk menentukan
bahagian yang tidak diperlukan di dalam penghasilan model. Dalam proses ini,
bahagian yang tidak diperlukan diwarnakan dengan warna yang berbeza (contohnya
warna merah jambu) dengan bahagian yang diperlukan. Pada peringkat penghasilan
model, warna yang mewakili bahagian tisu keras (warna ungu) yang diperlukan
dipilih untuk tujuan penghasilan model digital 3D. Model yang dihasilkan seperti
pada Rajah 3.12 adalah di dalam format *.vtk sebelum ditukarkan kepada format
*.stl. Rujukan pada Lampiran C menerangkan dengan lebih lanjut mengenai proses
penghasilan model digital menggunakan 3D Slicer.
57
Rajah 3.11: Paparan pada bahagian yang diperlukan (ungu) dan tidak diperlukan
(merah jambu)
Rajah 3.12: Model digital 3D menggunakan 3D Slicer
58
3.3.4
Materialise's Interactive Medical Image Control System (MIMICS)
Penghasilan model digital 3D dengan menggunakan perisian MIMICS telah
dilakukan oleh pihak SIRIM. Walaubagimanapun, kajian ini menerangkan secara
ringkas proses bagi penghasilan model digital menggunakan MIMICS.
Pada
mulanya, data berformat DICOM diimport ke dalam perisian ini. Kemudian, proses
threshold dilakukan berpandukan Haunsfield Scale. Haunsfield Scale mengandungi
nilai julat bagi kandungan di dalam badan manusua seperti lemak, air, udara, otot,
enamel gigi, tulang trabecular dan tulang cortical.
Rajah 3.13 menunjukkan
Haunsfiels Scale yang digunakan di dalam MIMICS. Dalam perisian MIMICS, julat
nilai minimum dan maksimum bagi tisu keras yang digunakan adalah di antara 200
hingga 3072.
Rajah 3.13: Haunsfield Scale
Dalam proses edit pula, bahagian yang tidak diperlukan dibuang sebelum
model digital 3D dihasilkan. Dalam penghasilan model 3D, kualiti bagi model yang
hendak dihasilkan menggunakan MIMICS disetkan sebagai high iaitu model yang
berkualiti paling tinggi.
Model yang dihasilkan adalah di dalam format *.mcs
sebelum dieksport ke dalam format *.stl. Rajah 3.14 menunjukkan cartalir bagi
proses penghasilan model digital 3D dengan menggunakan perisian MIMICS.
Manakala Rajah 3.15 pula merupakan model digital yang terhasil daripada perisian
MIMICS dan diperolehi daripada SIRIM.
59
Rajah 3.14: Proses penghasilan model digital 3D menggunakan MIMICS
Rajah 3.15: Model digital 3D menggunakan MIMICS
Jadual 3.1 menunjukkan penerangan mengenai proses-proses yang terlibat di
dalam penghasilan model digital 3D dengan menggunakan perisian RapidForm2004,
3D Doctor, 3D Slicer dan MIMICS secara keseluruhan. Antara proses tersebut
adalah perolehan data, klasifikasi imej, segmentasi imej, contouring dan penghasilan
model 3D serta pemprosesan akhir.
60
61
3.5
Perbandingan Model Digital 3D Yang Dihasilkan Dengan Model Digital
Gold Standard
Dalam menentukan perisian yang dapat menghasilkan model digital 3D
terbaik, proses perbandingan bagi setiap model yang dihasilkan telah dilakukan.
Kesemua model ini telah dibandingkan dengan model piawai iaitu model yang
diperolehi daripada perisian MIMICS.
Proses perbandingan ini telah diulang
sebanyak lima kali pada model yang sama bertujuan untuk mendapatkan data yang
jitu. Rajah 3.16 menunjukkan cartalir bagi proses menentukan perisian yang dapat
menghasilkan model digital 3D terbaik di dalam kajian ini.
Rajah 3.16: Proses menentukan perisian yang dapat menghasilkan model digital 3D
terbaik
62
Merujuk Rajah 3.16, data imbasan CT telah diperolehi daripada Hospital
Universiti Sains Malaysia di dalam fail berformat DICOM.
Data yang telah
diperolehi diproses dengan menggunakan tiga perisian 3D iaitu RapidForm2004, 3D
Doctor dan 3D Slicer bagi menghasilkan model digital 3D. Dengan menggunakan
perisian RapidForm2004, setiap model yang dihasilkan dengan menggunakan
perisian RapidForm2004, 3D Doctor dan 3D Slicer telah diimport bersama model
yang dihasilkan daripada perisian MIMICS untuk proses register.
Seterusnya, proses perbandingan bagi nilai sisihan piawai, RMS dan varian
telah dilakukan di antara model daripada perisian RapidForm2004 dan MIMICS, 3D
Doctor dan MIMICS serta 3D Slicer dan MIMICS. Perbandingan bagi nilai sisihan
piawai melibatkan proses-proses seperti yang ditunjukkan di dalam Rajah 3.17 iaitu
mengimport model digital 3D yang dihasilkan dan model digital 3D MIMICS (gold
standard), initial registration, fine registration serta shell deviation.
Rajah 3.17: Proses menentukan nilai sisihan piawai menggunakan perisian
RapidForm2004
Rajah 3.18 menunjukkan contoh model yang digunakan untuk perbandingan
nilai sisihan piawai iaitu model digital 3D yang dihasilkan daripada perisian 3D
Slicer dan MIMICS bagi data Set 3. Proses ini hanya menggunakan satu data iaitu
data Set 3 kerana model digital MIMICS yang diperolehi daripada SIRIM adalah
63
satu sahaja. Setiap perbandingan yang dilakukan di antara model digital 3D bagi
perisian RapidForm2004, 3D Doctor dan 3D Slicer dengan model digital MIMICS
telah diulang sebanyak lima kali untuk mendapatkan data yang jitu. Kedua-dua
model ini diimport ke dalam perisian RapidForm2004 dengan menggunakan format
yang sama iaitu *.stl. Model yang terdapat pada sebelah kiri merupakan model yang
dihasilkan daripada perisian 3D Slicer manakala model yang terdapat di sebelah
kanan pula merupakan model gold standard iaitu model MIMICS.
Rajah 3.18: Model perisian 3D Slicer (kiri) dan model perisian MIMICS (kanan)
yang diimport ke dalam perisian RapidForm2004 (Set 3)
Rajah 3.19 pula menunjukkan proses serta hasil initial registration yang
dilakukan di antara model digital 3D Slicer dan model digital MIMICS. Dalam
proses ini, model digital 3D Slicer telah dibuat penindihan ke atas model digital
MIMICS dengan menggunakan sekurang-kurangnya tiga titik pada permukaan
kedua-dua model digital 3D tersebut. Dalam kajian, sebanyak empat titik telah
digunakan di dalam proses ini dan penentuan titik dilakukan secara rawak iaitu
berdasarkan titik yang jelas kelihatan pada kedua-dua model yang digunakan.
Antara titik yang terlibat adalah titik yang berwarna merah, biru, hijau dan biru muda
seperti yang ditandakan di dalam Rajah 3.19.
64
(a)
4 titik yang
digunakan
(b)
Rajah 3.19: Proses initial registration (Set 3); (a) Register dua model, (b) Hasil
proses initial registration
65
Dalam Rajah 3.20, imej yang dipaparkan merupakan hasil yang diperolehi
selepas proses fine registration dilakukan. Proses ini dilakukan supaya penindihan
imej yang telah dilakukan terhadap kedua-dua model pada proses sebelumnya berada
pada kedudukan yang lebih tepat.
Rajah 3.20: Hasil selepas proses fine registration (Set 3)
Akhir sekali, proses shell deviation dilakukan seperti yang terdapat di dalam
Rajah 3.21. Proses ini dilakukan bertujuan untuk mendapatkan nilai sisihan piawai
di antara model perisian 3D Slicer dan model perisian MIMICS. Kesemua proses ini
turut dilakukan pada model digital 3D yang dihasilkan dengan menggunakan perisian
RapidForm2004 dan 3D Doctor untuk dibandingkan dengan model gold standard
iaitu MIMICS.
66
Rajah 3.21: Hasil proses shell deviation (Set 3)
Rajah 3.22 menunjukkan maklumat bagi hasil proses shell deviation yang
terkandung di dalam Rajah 3.21 iaitu graf taburan sisihan piawai, menu pilihan shell
deviation dan keputusan analisis. Berdasarkan graf taburan sisihan piawai yang
dipaparkan, turutan warna-warna iaitu biru, hijau, kuning dan merah mempunyai
maksud yang tersendiri. Warna biru adalah terletak pada bahagian bawah sekali di
dalam graf tersebut. Warna biru ini menunjukkan nilai sisihan piawai di antara
model 3D Slicer dan model gold standard adalah paling kecil setelah proses
registration dilakukan. Warna hijau dan kuning pula terletak pada bahagian atas
warna biru di dalam graf. Warna ini menunjukkan nilai sisihan piawai bagi keduadua model adalah semakin tinggi. Manakala warna merah pula menunjukkan nilai
sisihan piawai adalah terlalu besar bagi kedua-dua model yang dibandingkan dan
warna ini terletak pada bahagian atas sekali di dalam graf. Pada graf tersebut juga,
nilai bagi purata sisihan piawai di antara dua model yang dibandingkan turut
dipamerkan.
67
Rajah 3.22: Maklumat hasil shell deviation; (a) graf taburan sisihan piawai, (b)
menu pilihan shell deviation, dan (c) keputusan analisis
Bagi menu pilihan shell deviation pula, paparan tersebut menunjukkan nilai
tolerance yang digunakan. Manakala paparan keputusan analisis pula menunjukkan
nilai jarak minimum dan jarak maksimum, jarak purata serta sisihan piawai yang
diperolehi selepas proses shell deviation dilakukan. Semakin rendah nilai sisihan
piawai maka semakin tinggi kualiti model yang dihasilkan manakala semakin tinggi
nilai sisihan piawai maka semakin rendah kualiti model yang dihasilkan.
68
3.6
Rumusan
Bab 3 menerangkan dengan lebih lanjut mengenai proses penghasilan model
digital 3D bagi craniofacial tisu keras manusia serta perbandingan yang telah
dilakukan pada setiap model digital yang dihasilkan. Dalam kajian ini, penghasilan
model digital ini adalah menggunakan perisian-perisian 3D yang wujud pada masa
kini seperti RapidForm2004, 3D Doctor dan 3D Slicer. Selain itu, perolehan data
imbasan CT, model fizikal dan model gold standard turut diterangkan di dalam
kajian ini. Aliran proses bagi penghasilan model digital 3D dengan menggunakan
perisian RapidForm2004, 3D Doctor dan 3D Slicer turut dijelaskan.
BAB 4
PENENTUAN TITIK PENGUKURAN, PROSES PENGUKURAN DAN
PERBANDINGAN HASIL PENGUKURAN
4.1
Pendahuluan
Penentuan titik pengukuran pada craniofacial tisu keras manusia adalah
penting kerana titik pengukuran ini digunakan untuk membantu proses seterusnya
iaitu proses pengukuran linear di antara titik-titik tersebut. Dengan adanya titik
pengukuran, proses yang dilakukan seterusnya menjadi lebih cepat dan mudah.
Dalam kajian ini, kedudukan bagi setiap titik pengukuran ditentukan dengan
menggunakan kaedah seperti imbasan CT, microscribe digitizer, fotogrametri jarak
dekat digital, pengimbas laser serta kaliper. Kaedah ini telah diaplikasikan kepada
model digital dan model fizikal bagi craniofacial tisu keras manusia. Dalam proses
pengukuran linear pula, dua pakej perisian iaitu RapidForm2004 dan Australis serta
peralatan kaliper telah digunakan di dalam kajian ini.
Dalam bab ini, terdapat peringkat awal dan peringkat akhir untuk menentukan
titik pengukuran, proses pengukuran dan perbandingan hasil pengukuran. Rajah 4.1
menunjukkan aliran proses bagi peringkat awal kajian. Manakala Rajah 4.2 pula
menunjukkan aliran proses bagi peringkat akhir kajian.
70
71
Rajah 4.2: Proses peringkat akhir
Pada peringkat awal kajian, hanya 6 titik pengukuran dan 10 pengukuran
linear sahaja yang digunakan pada model digital dan model fizikal untuk tujuan
perbandingan dengan model gold standard.
Jumlah titik pengukuran serta
pengukuran linear yang dipilih adalah bergantung pada kemudahan untuk
menentukan titik pengukuran serta mencerap data dengan menggunakan kesemua
perisian dan kaedah yang dikaji.
Pada peringkat akhir pula, sebanyak 36 titik
pengukuran serta 19 pengukuran telah digunakan kerana kesemua titik pengukuran
ini dapat ditentukan dan dicerap oleh perisian terbaik serta kaedah terbaik yang
diperolehi selepas perbandingan dilakukan. Selain itu, sebanyak lima set model telah
digunakan pada peringkat awal dan akhir kajian untuk tujuan perbandingan hasil
pengukuran. Walaubagaimanapun, perbandingan bagi nilai sisihan piawai, RMS dan
varian bagi model digital yang dihasilkan pada peringkat awal hanya melibatkan
penggunaan satu set model sahaja.
72
4.2
Titik Pengukuran
Dalam kajian ini, proses peringkat awal merangkumi perbandingan bagi
perisian yang dapat menghasilkan model digital 3D terbaik serta perbandingan bagi
kaedah yang dapat menghasilkan pengukuran terbaik. Rajah 4.3 menunjukkan lima
set kedudukan bagi enam titik pengukuran pada model digital 3D Slicer dan model
digital 3D Doctor untuk tujuan perbandingan pada peringkat awal kajian.
Rajah 4.3: Lima set kedudukan titik pengukuran pada model 3D Slicer untuk kajian
peringkat awal; (a) Set 1, (b) Set 2, (c) Set 3, (d) Set 4 dan (e) Set 5
73
Pada peringkat ini, sebanyak enam titik pengukuran telah dicerap bagi model
digital daripada perisian 3D Slicer dan 3D Doctor serta kedudukan titik pengukuran
bagi setiap set adalah berbeza. Pemilihan hanya enam titik pengukuran dilakukan
kerana titik tersebut merupakan titik yang jelas kelihatan dan mudah untuk dicerap
bagi perisian 3D Slicer dan 3D Doctor serta kaedah pengukuran yang digunakan.
Dalam Rajah 4.3 juga, tiga bulatan kuning yang ditanda pada titik
pengukuran bagi setiap model merupakan titik pengukuran piawai. Manakala titik
pengukuran yang lain dicerap berdasarkan titik yang jelas kelihatan dan mudah untuk
dicerap bagi semua perisian serta kaedah yang digunakan. Proses cerapan titik
pengukuran diulang sebanyak lima kali bagi setiap model bertujuan untuk
mendapatkan data yang boleh dipercayai.
Jadual 4.1 menunjukkan senarai titik
pengukuran yang digunakan pada peringkat awal kajian dijalankan.
Jadual 4.1: Senarai titik pengukuran yang digunakan pada peringkat awal kajian
Bil.
Titik Pengukuran
1.
A1
2.
A2
3.
A3
4.
A4
5.
A5
6.
A6
Pada peringkat akhir kajian ini pula, sebanyak 36 titik pengukuran telah
dicerap untuk tujuan perbandingan di antara model digital 3D dengan model fizikal.
Kesemua titik pengukuran yang dipilih adalah titik pengukuran yang sering
digunakan oleh doktor serta pakar bedah di hospital untuk tujuan pengukuran. Rajah
4.4 dan Rajah 4.5 menunjukkan kedudukan titik pengukuran yang dicerap bagi data
Set 3 pada peringkat akhir kajian.
Jadual 4.2 pula menunjukkan senarai titik
pengukuran yang digunakan. Manakala Jadual 4.3 pula menunjukkan contoh hasil
titik pengukuran yang diperolehi di dalam bentuk koordinat x,y,z.
74
(a)
(b)
Rajah 4.4: Pandangan sisi bagi kedudukan 36 titik pengukuran pada model 3D Slicer
untuk kajian peringkat akhir (Set 3); (a) imej tekstur dan titik pengukuran, (b)
gambaran titik pengukuran
(a)
(b)
Rajah 4.5: Pandangan hadapan bagi kedudukan 36 titik pengukuran pada model 3D
Slicer untuk kajian peringkat akhir (Set 3); (a) imej tekstur dan titik pengukuran, (b)
gambaran titik pengukuran
75
Jadual 4.2: Senarai titik pengukuran yang digunakan pada peringkat akhir kajian
Bil.
Titik Pengukuran
Nama
1.
G
- Glabela
2.
Na
- Nasion
3.
Nt
- Nasal tip
4.
ANS
- Anterior Nasal Spine
5.
A
- Titik A
6.
Pr
- Prosthion
7.
Id
- Infradentale
8.
B
- Titik B
9.
Pog
- Pogonion
10.
Me
- Menthon
11.
AlL
- Alare Kiri
12.
AlR
- Alare Kanan
13.
SorL
- Superior orbitale Kiri
14.
SorR
- Superior Orbitale Kanan
15.
SlorL
- Superior lateral orbitale Kiri
16.
SlorR
- Superior lateral orbitale Kanan
17.
MorL
- Medial Orbitale Kiri
18.
MorR
- Medial Orbitale Kanan
19.
OrL
- Orbitale Kiri
20.
OrR
- Orbitale Kanan
21.
ZfL
- Zygofrontal Kiri
22.
ZfR
- Zygofrontal Kanan
23.
ZyL
- Zygion Kiri
24.
ZyR
- Zygion Kanan
25.
CrbL
- Caronoid base Kiri
26.
CrbR
- Caronoid base Kanan
27.
GoL
- Gonion Kiri
28.
GoR
- Gonion Kanan
29.
CoL
- Condylion Kiri
30.
CoR
- Condylion Kanan
31.
MnL
- Mandibular notch Kiri
32.
MnR
- Mandibular notch Kanan
33.
CrtL
- Caronoid tip Kiri
34.
CrtR
- Caronoid tip Kanan
35.
PoL
- Porion Kiri
36.
PoR
- Porion Kanan
76
Jadual 4.3: Contoh hasil titik pengukuran yang diperolehi pada peringkat akhir
kajian (Set 3)
77
4.3
Kaedah Penentuan Kedudukan Titik Pengukuran
Dalam bidang perubatan, terdapat pelbagai kaedah yang boleh digunakan
untuk
mencerap
titik
pengukuran
pada
bahagian
craniofacial
manusia.
Walaubagaimanapun, kajian ini hanya memfokuskan kepada kaedah yang
menggunakan pengimbas CT, microscribe digitizer, fotogrametri jarak dekat digital,
pengimbas laser dan juga kaliper untuk diaplikasikan di dalam kajian ini.
4.3.1
Model Digital 3D
Dalam bab ini, proses penentuan titik pengukuran pada model digital 3D
hanya dapat dilakukan pada model yang dihasilkan daripada perisian 3D Doctor dan
3D Slicer sahaja.
Proses ini tidak dapat dilakukan pada model digital yang
dihasilkan daripada RapidForm2004 disebabkan kesukaran untuk menentukan
kedudukan titik pengukuran pada model tersebut akibat paparan imej yang kurang
jelas.
Walaubagaimanapun, perisian RapidForm2004 telah digunakan untuk
mencerap titik pengukuran bagi model 3D Doctor dan model 3D Slicer yang
dihasilkan bertujuan untuk menyelaraskan kerja yang dilakukan. Model 3D yang
dihasilkan daripada perisian 3D Doctor dan 3D Slicer diimport ke dalam perisian
RapidForm2004 sebelum proses penentuan titik pengukuran dilakukan.
Rajah 4.6 menunjukkan cartalir bagi proses penentuan titik pengukuran pada
model digital 3D dengan menggunakan pengimbas CT. Manakala Rajah 4.7 pula
menunjukkan contoh cerapan titik pengukuran pada model digital 3D yang
dihasilkan daripada perisian 3D Slicer.
78
Rajah 4.6: Proses penentuan titik pengukuran pada model digital 3D
Rajah 4.7: Cerapan titik pengukuran menggunakan perisian RapidForm2004 (Set 3)
Dengan menggunakan perisian RapidForm2004, pengguna boleh melihat
permukaan luar dan dalam tengkorak dari pandangan sagittal, axial dan coronal.
Kedudukan bagi setiap titik pengukuran boleh dikenalpasti dengan menggerakkan
vertical profile dan harizontal profile menerusi paksi x, y dan z untuk mencari
kedudukan paling tepat bagi titik pengukuran tersebut.
79
4.3.2
Model Fizikal
Dalam bab ini, proses penentuan titik pengukuran pada model fizikal telah
dilakukan menggunakan microscribe digitizer, fotogrametri jarak dekat digital,
pengimbas laser dan juga kaliper. Rajah 4.8 merupakan salah satu model fizikal
yang telah diwarnakan dengan warna putih dan digunakan di dalam kajian ini.
Model fizikal diwarnakan untuk memudahkan proses imbasan menggunakan laser
kerana pengimbas laser tidak dapat mengesan objek yang lut sinar.
Bagi
memudahkan proses penentuan titik pengukuran pula, terlebih dahulu titik
pengukuran pada model fizikal ini ditandakan dengan pen penanda berwarna hitam.
Penggunaan pen penanda ini bertujuan supaya titik pengukuran tersebut dapat dilihat
dengan lebih jelas serta mengelakkan kesalahan semasa mengulangi penandaan titik
pengukuran yang sama pada sesebuah model.
(a)
(b)
Rajah 4.8: Model fizikal (Set 4); (a) pandangan hadapan dan (b) pandangan sisi
80
4.3.2.1 Microscribe Digitizer
Microscribe Digitizer G2X digunakan di dalam kajian ini sebagai alat untuk
mendapatkan koordinat titik pengukuran dalam bentuk 3D sebelum sesuatu
pengukuran dibuat pada model fizikal.
Alat ini dihubungkan dengan perisian
Rhinoceros 2.0 bertujuan untuk pendigitan titik pengukuran.
Kemudian, titik
pengukuran yang diperolehi dieksport ke dalam format *.iges.
menunjukkan
cartalir
bagi
proses
menentukan
titik
Rajah 4.9
pengukuran
dengan
menggunakan Microscribe Digitizer G2X.
Rajah 4.9: Proses penentuan titik pengukuran menggunakan kaedah Microscribe
Digitizer G2X pada peringkat awal kajian
Rajah 4.10 pula menunjukkan proses pendigitan titik pengukuran yang
dilakukan dengan menggunakan Microscribe Digitizer G2X. Manakala Rajah 4.11
merupakan paparan titik pengukuran pada perisian Rhinoceros 2.0 yang dihasilkan
semasa proses pendigitan titik pengukuran dengan menggunakan Microscribe
Digitizer G2X.
81
Rajah 4.10: Pendigitan titik pengukuran menggunakan Microscribe Digitizer G2X
yang dihubungkan pada perisian Rhinoceros 2.0
Rajah 4.11: Paparan titik pengukuran pada perisian Rhinoceros 2.0 yang dihasilkan
dengan mengunakan Microscribe Digitizer G2X
82
4.3.2.2 Fotogrametri Jarak Dekat Digital
Kajian ini juga turut mengaplikasikan kaedah fotogrametri jarak dekat digital
untuk menentukan kedudukan bagi titik pengukuran pada model fizikal pesakit.
Dengan menggunakan pen penanda berwarna hitam, kedudukan bagi setiap titik
pengukuran pada model fizikal ditanda terlebih dahulu. Seterusnya, sebuah kamera
iaitu Konica Minolta DiMAGE A200 yang mempunyai 8.0 mega piksel digunakan
untuk mengambil gambar model fizikal dari lapan arah yang berbeza pada sudut 45
darjah. Jarak di antara objek dengan kamera digital yang digunakan adalah 1 meter.
Seterusnya, pendigitan pada titik pengukuran dan titik kawalan dilakukan pada setiap
imej digital yang diperolehi dengan menggunakan perisian Australis. Rajah 4.12
menunjukkan aliran proses bagi menentukan titik pengukuran dengan menggunakan
kaedah fotogrametri jarak dekat digital.
Rajah 4.12: Proses penentuan titik pengukuran menggunakan kaedah fotogrametri
jarak dekat digital pada peringkat awal kajian
83
Rajah 4.13 memaparkan kamera digital yang digunakan di dalam kajian iaitu
Konica Minolta DiMAGE A200.
Manakala Rajah 4.14 pula menunjukkan
kedudukan bagi kamera digital, model fizikal dan bingkai kalibrasi yang digunakan
di dalam kajian ini. Kedudukan bagi kamera digital yang digunakan adalah tetap
manakala bingkai kalibrasi pula diputar mengikut arah jam pada setiap kali gambar
diambil. Dalam Rajah 4.14 juga, terdapat lapan anak panah berwarna merah yang
menunjukkan arah bagi pengambilan setiap gambar. Titik kawalan yang terdapat
pada bingkai kalibrasi berfungsi untuk menentukan posisi (x,y,z) serta orientasi bagi
kamera yang digunakan. Seterusnya, Rajah 4.15 pula menunjukkan paparan bagi
proses pendigitan titik pengukuran yang dilakukan dengan menggunakan perisian
Australis dari arah 3.
Rajah 4.13: Konica Minolta DiMAGE A200
84
Arah 4
Arah 5
Arah 3
Arah 6
Arah 2
Arah 7
Arah 8
Arah 1
Rajah 4.14: Cerapan data titik pengukuran menggunakan teknik fotogrametri
Titik Kawalan
Bingkai Kalibrasi
Rajah 4.15: Paparan dan pendigitan titik pengukuran menggunakan perisian
Australis dari arah 3 (Set 3)
85
4.3.2.3 Pengimbas Laser
Dalam kajian ini, teknik imbasan menggunakan cahaya laser dilakukan pada
model fizikal untuk menghasilkan model digital 3D bagi mendapatkan titik
pengukuran. Dengan menggunakan pen penanda berwarna hitam, kedudukan bagi
setiap titik pengukuran pada model fizikal ditanda terlebih dahulu.
Kemudian,
pengimbas laser Konica Minolta VIVID 910 yang terdapat pada Rajah 2.12 di dalam
Bab
2 telah digunakan bersama rotating table untuk menghasilkan imej 2D.
Peralatan ini telah dihubungkan dengan perisian PET untuk tujuan pengambilan imej.
Rajah 4.16: Proses penentuan titik pengukuran menggunakan pengimbas laser
Seterusnya, model fizikal yang digunakan diimbas sebanyak dua kali
daripada sudut yang berbeza. Imej berformat *.cdm yang dihasilkan seterusnya
diimport ke dalam perisian RapidForm2004 untuk tujuan pemprosesan (register dan
86
merge) ke dalam bentuk 3D.
Akhir sekali, proses penentuan titik pengukuran
dilakukan di dalam perisian RapidForm2004 untuk mendapatkan koordinat titik
pengukuran di dalam bentuk 3D. Rajah 4.17 menunjukkan kedudukan bagi model
fizikal, pengimbas laser serta rotating table yang digunakan di dalam kajian.
Rajah 4.17: Cerapan data titik pengukuran dengan menggunakan pengimbas laser
VIVID 910 yang dihubungkan pada rotating table
Rajah 4.18 pula menunjukkan gambaran kedudukan bagi alat dan objek
semasa proses imbasan dilakukan.
Proses imbasan pertama memerlukan model
fizikal dihadapkan ke sebelah kanan sebanyak 45° manakala proses imbasan kedua
pula memerlukan model fizikal dihadapkan ke sebelah kiri sebanyak 45°. Rajah 4.18
turut menunjukkan arah pancaran cahaya laser pada permukaan objek.
87
Rajah 4.18: Gambaran kedudukan alat dan objek; (a) proses imbasan pertama dan
(b) proses imbasan kedua
4.3.2.4 Kaliper
Penentuan titik pengukuran dengan menggunakan kaliper pada model fizikal
dilakukan secara terus pada model tersebut. Rajah 4.19 menunjukkan kaliper vernier
yang digunakan di dalam kajian ini.
Rajah 4.19: Kaliper vernier
88
Kaliper mempunyai nilai ketepatan sehingga 0.05 mm. Proses penentuan
titik pengukuran dengan menggunakan kaliper adalah dengan menyentuh pada
permukaan objek tersebut iaitu pada bahagian muka.
4.4
Proses Pengukuran Jarak Linear
Proses pengukuran pada craniofacial tisu keras manusia dilakukan bertujuan
untuk mengetahui jarak linear di antara dua titik pengukuran. Dalam kajian ini,
pengukuran yang dilakukan pada model digital 3D dan model fizikal adalah
berbentuk linear. Pada peringkat awal, sebanyak 10 garisan pengukuran diambil
untuk menentukan perisian yang dapat menghasilkan model digital 3D terbaik serta
kaedah yang dapat menghasilkan pengukuran paling tepat bagi model fizikal. Jadual
4.4 menunjukkan senarai garisan pengukuran yang digunakan semasa peringkat
awal. Manakala Rajah 4.20 merupakan gambaran bagi semua pengukuran yang
dilakukan pada bahagian muka pesakit pada peringkat awal.
Jadual 4.4: Senarai garisan pengukuran yang digunakan semasa peringkat awal
Bil.
Garisan Pengukuran
1.
A1-A2
2.
A1-A5
3.
A1-A6
4.
A2-A5
5.
A2-A6
6.
A3-A5
7.
A3-A4
8.
A4-A5
9.
A4-A6
10.
A5-A6
89
Rajah 4.20: Gambaran pengukuran model digital 3D pada peringkat awal (Set 2)
Kajian ini juga turut menggunakan sebanyak 19 pengukuran untuk proses
peringkat akhir. Pengukuran ini digunakan untuk proses perbandingan di antara
model digital yang dihasilkan daripada perisian terbaik dengan model fizikal yang
dihasilkan dengan menggunakan kaedah terbaik. Kajian ini hanya menggunakan 19
pengukuran kerana semua pengukuran ini sering digunakan oleh pakar bedah di
hospital. Rajah 4.21 dan Rajah 4.22 menunjukkan gambaran bagi semua pengukuran
yang dilakukan pada bahagian muka pesakit pada peringkat akhir kajian.
90
Rajah 4.21: Gambaran pengukuran model digital 3D pada pandangan hadapan bagi
peringkat akhir (Set 2)
Rajah 4.22: Gambaran pengukuran model digital 3D pada pandangan sisi bagi
peringkat akhir (Set 2)
91
Dalam Jadual 4.5 pula, terdapat 19 senarai garisan pengukuran yang
digunakan di dalam peringkat akhir kajian ini dilakukan. Manakala Jadual 4.6 pula
memaparkan contoh bagi hasil pengukuran yang diperolehi bagi model fizikal dan
juga model digital 3D pada peringkat akhir kajian.
Jadual 4.5: Senarai garisan pengukuran yang digunakan semasa peringkat akhir
Bil.
Garisan
Penerangan
Pengukuran
1.
AlR - AlL
Panjang dari Alare kanan ke Alare kiri.
2.
ANS - Me
Panjang dari Anterior Nasal Spine ke Menthon.
3.
ANS - Pr
Panjang dari Anterior Nasal Spine ke Prosthion.
4.
GoR - Me
Panjang dari Gonion kanan ke Menthon.
5.
Id - CrbR
Panjang dari Infradentale ke Caronoid Base
kanan.
6.
Id - Pog
Panjang dari Infradentale ke Pogonion.
7.
MorR - MorL
Panjang dari Medial Orbitale kanan ke Medial
Orbitale kiri.
8.
Na - ANS
Panjang dari Nasion ke Anterior Nasal Spine.
9.
OrR - OrL
Panjang dari Orbitale kanan ke Orbitale kiri.
10.
OrL - SorL
Panjang dari Orbitale kiri ke Superior Orbitale
kiri.
11.
OrR - SorR
Panjang dari Orbitale kanan ke Superior Orbitale
kanan.
12.
Pog - Me
Panjang dari Pogonion ke Menthon.
13.
Pr - Id
Panjang dari Prosthion ke Infradentale.
14.
SlorL - MorL
Panjang dari Superior Lateral Orbitale kiri ke
Medial Orbitale kiri.
15.
SlorR - MorR
Panjang dari Superior Lateral Orbitale kanan ke
Medial Orbitale kanan.
16.
SlorR - SlorL
Panjang dari Superior Lateral Orbitale kanan ke
Superior Lateral Orbitale kiri.
17.
SorR - SorL
Panjang dari Superior Orbitale kanan ke
Superior Orbitale kiri.
18.
ZfR - ZfL
Panjang dari Zygofrontal kanan ke Zygofrontal
kiri.
19.
ZyR - ZyL
Panjang dari Zygion kanan ke Zygion kiri.
92
Jadual 4.6: Contoh hasil pengukuran yang diperolehi pada peringkat akhir (Set 1)
Bil.
4.4.1
Garisan
Pengukuran
Model Fizikal
(Microscribe
Digitizer)
Model Digital 3D
(3D Slicer)
Beza
1.
GoR - Me
87.47 mm
88.31 mm
0.84 mm
2.
ZyR - ZyL
89.01 mm
89.52 mm
0.51 mm
3.
Na - ANS
55.09 mm
55.52 mm
0.43 mm
4.
MorL - MorR
19.37 mm
19.79 mm
0.42 mm
5.
Id - CrbR
63.57 mm
63.75 mm
0.19 mm
6.
ANS - Me
66.62 mm
66.54 mm
0.08 mm
7.
Pog - Me
10.59 mm
10.51 mm
0.08 mm
8.
SorR - SorL
62.43 mm
62.34 mm
0.09 mm
9.
Pr - Id
26.07 mm
25.92 mm
0.15 mm
10.
SlorR - SlorL
95.08 mm
94.71 mm
0.38 mm
11.
AlR - AlL
17.05 mm
16.63 mm
0.43 mm
12.
OrL - SorL
36.89 mm
36.44 mm
0.45 mm
13.
Id - Pog
19.55 mm
19.06 mm
0.49 mm
14.
OrL - OrR
67.22 mm
66.54 mm
0.68 mm
15.
ANS - Pr
14.19 mm
13.50 mm
0.69 mm
16.
SlorL - MorL
39.98 mm
39.29 mm
0.70 mm
17.
OrR - SorR
37.09 mm
36.29 mm
0.80 mm
18.
ZfR - ZfL
103.40 mm
102.57 mm
0.83 mm
19.
SlorR - MorR
40.64 mm
39.72 mm
0.92 mm
Model Digital 3D
Dalam kajian ini, proses pengukuran pada model digital 3D yang dihasilkan
adalah dilakukan dengan menggunakan perisian RapidForm2004.
Penggunaan
perisian RapidForm2004 adalah bertujuan untuk menyelaraskan proses pengukuran
yang dilakukan iaitu dengan menggunakan satu perisian sahaja. Proses pengukuran
ini dilakukan pada model yang dihasilkan daripada perisian 3D Doctor dan juga 3D
Slicer. Rajah 4.23 menunjukkan cartalir bagi proses pengukuran yang dilakukan
93
pada model digital 3D pada peringkat awal kajian dilakukan. Dengan menggunakan
perisian 3D Doctor dan 3D Slicer, model digital 3D bagi craniofacial tisu keras
pesakit telah dihasilkan. Kesemua model digital yang dihasilkan dieksport ke dalam
format *.stl.
Kemudian, model tersebut diimport pula ke dalam perisian
RapidForm2004 untuk proses penentuan titik pengukuran. Dengan menggunakan
perisian RapidForm2004 juga, proses pengukuran turut dilakukan pada model digital
tersebut berdasarkan kepada titik pengukuran yang telah diperolehi.
Rajah 4.23: Proses pengukuran pada model digital 3D yang dilakukan di dalam
peringkat awal kajian
Rajah 4.24 menunjukkan contoh proses pengukuran linear yang dilakukan
pada model digital 3D dengan menggunakan perisian RapidForm2004. Pengukuran
linear tersebut telah dilakukan pada model digital 3D yang dihasilkan daripada
perisian 3D Slicer.
94
Rajah 4.24: Pengukuran linear pada model digital 3D Slicer dengan menggunakan
perisian RapidForm2004 (Set 3)
4.4.2
Model Fizikal
Bagi model fizikal pula, proses pengukuran dilakukan dengan menggunakan
perisian RapidForm2004 dan Australis serta alat pengukuran kaliper.
4.4.2.1 RapidForm2004
Dengan menggunakan model fizikal, penghasilan model digital 3D dengan
menggunakan pengimbas laser serta penghasilan titik pengukuran 3D (x,y,z)
menggunakan microscribe digitizer dapat dilakukan. Perisian RapidForm2004 telah
digunakan untuk mengukur jarak di antara dua titik bagi model digital 3D yang
95
dihasilkan dengan menggunakan pengimbas laser VIVID 910. Selain itu, perisian
RapidForm2004 ini juga digunakan untuk mengukur jarak antara titik-titik
pengukuran yang dihasilkan dengan menggunakan Microscribe Digitizer G2X.
Rajah 4.25 menunjukkan cartalir proses pengukuran model fizikal pada perisian
RapidForm2004 dengan menggunakan kaedah pengimbas laser.
Rajah 4.25: Proses pengukuran model fizikal pada perisian RapidForm2004 dengan
menggunakan pengimbas laser VIVID 910 di dalam peringkat awal kajian
Dengan menggunakan pengimbas laser VIVID 910 yang dihubungkan
dengan perisian PET dan rotating table, model fizikal diimbas sebanyak dua kali
pada sudut yang berlainan (rujuk Rajah 4.17 dan Rajah 4.18). Seterusnya, imej 2D
yang diperolehi di dalam format *.cdm diimport ke dalam perisian RapidForm2004
untuk proses register dan merge di antara dua imej. Kemudian, proses pengukuran
dilakukan pada model 3D yang dihasilkan seperti yang terdapat pada Rajah 4.26.
Dalam rajah tersebut, koordinat bagi kedua-dua titik pengukuran yang digunakan
serta hasil nilai pengukuran yang diperolehi turut dipaparkan.
96
Koordinat titik pengukuran
dan hasil pengukuran
Rajah 4.26: Pengukuran pada model 3D yang dihasilkan dari imbasan laser
menggunakan perisian RapidForm2004 (Set 2)
Merujuk kepada cartalir yang terdapat pada Rajah 4.27, Microscribe Digitizer
G2X yang dihubungkan pada perisian Rhinoceros digunakan untuk mendigit titik
pengukuran pada model fizikal. Titik pengukuran yang dihasilkan daripada proses
pendigitan ini adalah berbentuk 3D (x,y,z). Dengan menggunakan perisian Excel
2003, kesemua titik pengukuran yang diperolehi dieksport ke dalam format *.iges.
Seterusnya, perisian RapidForm2004 digunakan untuk proses pengukuran
dengan mengimport titik pengukuran yang telah dihasilkan di dalam format *.iges.
Sebanyak 10 pengukuran dilakukan pada peringkat awal kajian ini. Rajah 4.28
menunjukkan proses pengukuran yang dilakukan pada titik pengukuran 3D yang
dihasilkan daripada proses pendigitan menggunakan Microscribe Digitizer G2X.
97
Rajah 4.27: Proses pengukuran model fizikal pada perisian RapidForm2004 dengan
menggunakan Microscribe Digitizer G2X di dalam peringkat awal kajian
Rajah 4.28: Pengukuran pada titik pengukuran 3D yang dihasilkan daripada kaedah
microscribe digitizer G2X pada perisian RapidForm2004 (Set 1)
98
4.4.2.2 Australis
Dalam kajian ini, perisian Australis telah digunakan untuk mendigit titik
pengukuran yang dihasilkan daripada kaedah fotogrametri jarak dekat digital. Titik
pengukuran yang dihasilkan selepas proses pendigitan adalah berbentuk 3D dan
digunakan untuk proses pengukuran jarak antara dua titik pengukuran. Merujuk
cartalir pada Rajah 4.29, kamera digital iaitu Konica Minolta DiMAGE A200
digunakan untuk mengambil gambar model fizikal daripada lapan arah yang berbeza.
Seterusnya, imej yang dihasilkan dimasukkan ke dalam perisian Australis untuk
diproses.
Rajah 4.29: Proses pengukuran dengan menggunakan perisian Australis pada titik
pengukuran 3D yang dihasilkan daripada kaedah fotogrametri jarak dekat digital
Dengan menggunakan perisian Australis, proses pendigitan titik pengukuran
dilakukan pada kesemua imej yang diperolehi untuk mendapatkan titik pengukuran
dalam bentuk 3D (x,y,z). Kemudian, titik pengukuran 3D yang diperolehi digunakan
untuk proses pengukuran jarak di antara dua titik pengukuran.
Rajah 4.30
menunjukkan contoh pengukuran yang dilakukan pada titik pengukuran 3D dengan
menggunakan perisian Australis. Perisian Australis dapat memaparkan kedudukan
bagi setiap titik pengukuran, titik kawalan serta stesen kamera yang digunakan di
dalam kajian ini.
99
Rajah 4.30: Pengukuran pada titik pengukuran yang terhasil daripada teknik
fotogrametri menggunakan perisian Australis
4.4.2.3 Kaliper
Kaliper vernier (rujuk Rajah 4.19) adalah alat yang mudah digunakan untuk
menentukan secara tepat pengukuran bagi panjang sesebuah objek, diameter luar
bagi objek bulat atau silinder, diameter dalam bagi saluran serta kedalaman lubang.
Kaliper vernier juga merupakan peralatan konvensional yang digunakan oleh pakar
bedah untuk membuat pengukuran di hospital.
Rajah 4.31 merupakan contoh
pengukuran yang dilakukan dengan menggunakan kaliper vernier pada model fizikal.
Kaliper vernier merupakan alat pengukuran yang sangat tepat dengan bacaan ralat
0.05 mm seperti yang dinyatakan oleh Mohd Kamil Fazli et al. (2006).
100
Rajah 4.31: Cerapan data pengukuran dengan menggunakan kaliper vernier
4.5
Perbandingan Hasil Pengukuran
Dalam kajian ini, proses perbandingan telah dilakukan pada dua peringkat
iaitu peringkat awal dan peringkat akhir (rujuk Rajah 4.1 dan Rajah 4.2). Pada
peringkat awal, perbandingan telah dibahagikan pada dua bahagian iaitu
perbandingan di antara model digital dan perbandingan di antara model fizikal.
Perbandingan pada peringkat awal dilakukan untuk mendapatkan perisian yang dapat
menghasilkan model digital 3D yang paling baik serta mendapatkan kaedah
pengukuran yang dapat menghasilkan titik pengukuran 3D yang tepat.
Pada
peringkat akhir pula, perbandingan adalah melibatkan pengukuran yang dihasilkan
daripada perisian terbaik (model digital 3D) serta pengukuran yang dihasilkan
daripada kaedah terbaik (model fizikal).
101
4.5.1
Peringkat Awal
Pada peringkat awal, proses perbandingan bagi menentukan perisian yang
dapat menghasilkan model digital 3D terbaik adalah ditunjukkan di dalam Rajah
4.32. Dalam kajian ini, proses menentukan perisian yang dapat menghasilkan model
digital 3D terbaik adalah melibatkan perbandingan bagi nilai sisihan piawai, RMS,
varian, dan nilai pengukuran. Walaubagaimanapun, bab ini hanya memfokuskan
kepada perbandingan terhadap nilai pengukuran sahaja.
Selain itu, proses
perbandingan terhadap nilai pengukuran adalah dilakukan pada model 3D Doctor
dan 3D Slicer sahaja.
Perbandingan ini tidak dapat dilakukan pada model
RapidForm2004 kerana masalah kesukaran di dalam menentukan kedudukan titik
pengukuran akibat paparan imej yang kurang jelas.
Rajah 4.32: Proses perbandingan perisian
102
Dengan menggunakan model digital 3D, proses penentuan titik pengukuran
telah dilakukan pada setiap model digital yang dihasilkan daripada perisian 3D
Doctor dan 3D Slicer. Proses penentuan titik pengukuran ini telah dilakukan di
dalam perisian RapidForm2004. Selain itu, proses penentuan titik pengukuran juga
turut dilakukan pada model fizikal dengan menggunakan kaedah fotogrametri jarak
dekat digital. Titik pengukuran yang terhasil daripada kaedah fotogrametri jarak
dekat digital ini telah dijadikan sebagai gold standard untuk dibandingkan dengan
model digital yang dihasilkan daripada perisian 3D Doctor dan 3D Slicer. Kaedah
fotogrametri jarak dekat digital telah digunakan untuk menggantikan model digital
3D MIMICS sebagai gold standard kerana kajian ini hanya memperolehi satu model
digital MIMICS sahaja iaitu model bagi Set 3 daripada SIRIM.
Sebanyak enam titik pengukuran telah dicerap di dalam peringkat ini.
Seterusnya, 10 pengukuran linear telah dilakukan di antara titik-titik pengukuran
yang dihasilkan dengan menggunakan kaedah fotogrametri jarak dekat digital.
Pengukuran ini turut dilakukan pada model digital yang dihasilkan daripada perisian
3D Doctor dan 3D Slicer. Kemudian, proses perbandingan bagi nilai pengukuran
telah dilakukan di antara model digital yang dihasilkan daripada perisian 3D Doctor
dengan model gold standard (kaedah fotogrametri jarak dekat digital).
Proses
perbandingan ini turut dilakukan di antara model digital yang dihasilkan daripada
perisian 3D Slicer dengan model gold standard (kaedah fotogrametri jarak dekat
digital). Akhir sekali, analisa terhadap perbandingan hasil pengukuran dilakukan
untuk menentukan perisian yang dapat menghasilkan model digital 3D terbaik.
Rajah 4.33 pula menunjukkan proses perbandingan bagi menentukan kaedah
yang dapat menghasilkan pengukuran linear paling tepat. Proses menentukan titik
pengukuran pada model fizikal telah dilakukan dengan menggunakan pengimbas
laser, microscribe digitizer, kaliper dan fotogrametri jarak dekat digital. Dalam
bahagian ini, kaedah fotogrametri jarak dekat digital telah dijadikan sebagai gold
standard untuk dibandingkan dengan pengimbas laser, microscribe digitizer dan
kaliper.
Proses pendigitan serta pencerapan titik pengukuran telah dilakukan
sebanyak enam titik untuk tujuan pengukuran. Seterusnya proses pengukuran (10
pengukuran) linear dilakukan pada setiap titik pengukuran yang dihasilkan melalui
semua kaedah yang digunakan.
103
Rajah 4.33: Proses perbandingan kaedah pengukuran
Dalam bahagian ini, proses perbandingan nilai pengukuran linear dilakukan
di antara pengimbas laser dengan fotogrametri jarak dekat digital, microscribe
digitizer dengan fotogrametri jarak dekat digital serta kaliper dengan fotogrametri
jarak dekat digital.
Hasil perbandingan bagi setiap kaedah yang dibandingkan
seterusnya dianalisa untuk menentukan kaedah yang dapat menghasilkan pengukuran
yang tepat bagi model fizikal.
104
4.5.2
Peringkat Akhir
Dalam kajian ini, model digital yang dihasilkan dengan menggunakan
perisian 3D terbaik serta model fizikal di mana titik pengukuran yang dihasilkan
dengan menggunakan kaedah terbaik telah digunakan untuk proses pada peringkat
akhir.
Rajah 4.2 (rujuk Seksyen 4.1) menunjukkan cartalir bagi proses pada
peringkat akhir ini. Pada peringkat ini, proses penentuan titik pengukuran telah
dilakukan terhadap 36 titik pengukuran pada model digital dan juga model fizikal
yang digunakan. Seterusnya, 19 pengukuran linear telah dilakukan di antara titik
pengukuran tersebut. Hasil pengukuran daripada model digital dan model fizikal
dibandingkan bertujuan untuk melihat perbezaan bagi nilai pengukuran bagi keduadua model tersebut.
Kesemua hasil yang diperolehi iaitu titik pengukuran,
pengukuran serta perbezaan nilai pengukuran yang digunakan pada peringkat akhir
disimpan di dalam sebuah pangkalan data ringkas yang dibangunkan (rujuk Bab 5).
4.6
Rumusan
Bab 4 membincangkan mengenai titik pengukuran, kaedah penentuan
kedudukan titik pengukuran, proses pengukuran jarak linear antara titik serta
perbandingan bagi hasil pengukuran yang dilakukan pada model digital 3D dan
model fizikal. Terdapat lima kaedah penentuan titik pengukuran yang dibincangkan
di dalam bab ini iaitu kaedah pengimbas CT, microscribe digitizer, fotogrametri
jarak dekat digital, pengimbas laser dan kaliper. Proses pengukuran linear di dalam
kajian ini pula melibatkan penggunaan kaliper dan juga perisian RapidForm2004
serta Australis. Bab ini juga turut membincangkan mengenai proses perbandingan
terhadap hasil pengukuran yang diperolehi daripada model digital 3D dah juga model
fizikal. Perbandingan ini dilakukan bertujuan untuk mendapatkan perisian yang
dapat menghasilkan model digital 3D terbaik serta kaedah yang dapat menghasilkan
titik pengukuran 3D yang tepat.
BAB 5
REKA BENTUK DAN PEMBANGUNAN PANGKALAN DATA
5.1
Pendahuluan
Pangkalan
data
pembangunan sistem.
merupakan
peringkat
yang
penting
dalam
proses
Reka bentuk pangkalan data yang tidak konsisten akan
menjejaskan kualiti hasil dan juga kemampuan sistem. Pengurusan maklumat yang
cekap dan berkesan memerlukan satu sistem pengurusan pangkalan data yang
lengkap dari semua segi. Menurut Zie Zie Azeanty (2004), sistem pangkalan data
pada asasnya adalah sistem memelihara rekod berkomputer iaitu sistem yang
bertujuan untuk memelihara maklumat dan memastikan maklumat itu tersedia
apabila dikehendaki.
5.2
Reka Bentuk Pangkalan Data
Reka bentuk pangkalan data ini melibatkan tiga peringkat iaitu reka bentuk
konseptual, reka bentuk logikal dan reka bentuk fizikal.
106
5.2.1
Reka Bentuk Konseptual
Reka bentuk konseptual merupakan gambaran umum tentang sistem yang
diberikan secara grafik bagi menerangkan tentang hubungan antara entiti dan atribut
di dalam sesebuah pangkalan data. Reka bentuk konseptual ini juga dibina bagi
menentukan data yang akan dimasukkan ke dalam pangkalan data. Komponen asas
skema seperti jenis entiti, jenis perhubungan dan atribut mesti dikenalpasti. Kekunci
bagi setiap jenis entiti, atribut dan hubungan juga perlu dinyatakan. Gambaran ini
ditunjukkan dalam bentuk Rajah Hubungan Entiti (E-R Diagram). Model entitiperhubungan ini diperkenalkan oleh Chen (1976) sebagai alat permodelan pada
peringkat reka bentuk konseptual. Model ini menerangkan struktur pangkalan data
dan transaksi capaian serta pengemaskinian ke atas pangkalan data.
Dalam pangkalan data yang dibangunkan, terdapat lima entiti yang terlibat
iaitu Pesakit, Model, Kaedah, Pengukuran dan Titik Pengukuran. Rajah 5.1 hingga
Rajah 5.5 menunjukkan senarai atribut bagi setiap entiti yang terkandung di dalam
pangkalan data ini. Rajah 5.1 menunjukkan entiti Pesakit yang mengandungi atributatribut seperti Id_Pesakit (kekunci utama), Nama, No_KP, Keturunan, Berat, Tinggi,
Jantina dan Umur.
Rajah 5.1: Senarai atribut bagi entiti Pesakit
107
Rajah 5.2 pula menunjukkan senarai atribut yang terkandung di dalam entiti
Model iaitu Id_Model (kekunci utama), Id_Pesakit, Model_Kanan, Model_Kiri dan
Model_Depan.
Rajah 5.2: Senarai atribut bagi entiti Model
Rajah 5.3 menunjukkan entiti Kaedah di dalam pangkalan data yang
mengandungi atribut-atribut seperti Id_Kaedah (kekunci utama), Id_Pesakit dan juga
Kaedah.
Rajah 5.3: Senarai atribut bagi entiti Kaedah
108
Dalam Rajah 5.4, atribut-atribut yang terkandung di dalam entiti Pengukuran
adalah seperti Id_Pengukuran (kekunci utama), Nama_Pengukuran, Id_Pesakit
(Kekunci utama), Pengukuran, Id_Kaedah serta Beza.
Rajah 5.4: Senarai atribut bagi entiti Pengukuran
Rajah 5.5 menunjukkan senarai atribut bagi entiti Titik_Pengukuran.
Terdapat lima atribut yang terkandung di dalamnya iaitu Id_Titit_Pengukuran
(kekunci utama), Id_Pesakit (kekunci utama), Kedudukan_Titik, Titik_Pengukuran
serta Id_Kaedah.
Rajah 5.5: Senarai atribut bagi entiti Titik_Pengukuran
109
110
Rajah 5.6 menunjukkan rajah hubungan entiti bagi pangkalan data yang
dibangunkan.
Rajah hubungan entiti ini menerangkan dengan lebih terperinci
mengenai hubungan bagi setiap entiti dan atribut yang terdapat di dalam pangkalan
data. Terdapat lima entiti yang wujud di dalam pangkalan data iaitu Pesakit, Model,
Kaedah, Pengukuran dan Titik Pengukuran. Setiap entiti tersebut mempunyai atribut
masing-masing.
5.2.2
Reka Bentuk Logikal
Reka bentuk logikal merupakan proses lanjutan dari reka bentuk konseptual,
bezanya ialah reka bentuk yang dihasilkan adalah lebih khusus kepada kekangan
sesuatu perisian. Ia mendefinisikan sebagai hubungan logikal atau konseptual di
dalam komponen-komponen sesuatu sistem maklumat dan menukarkan model
konseptual ke dalam model dalaman berdasarkan kepada perisian yang dipilih.
Reka bentuk logikal menyatakan secara terperinci bagaimana simpanan data
dilakukan di dalam pangkalan data. Dalam reka bentuk logikal ini, reka bentuk
konseptual yang menggunakan model data peringkat tinggi ditukarkan ke dalam
model data khusus iaitu perisian pangkalan data yang dipilih. Dalam kajian ini, reka
bentuk logikal adalah menggunakan pangkalan data dalaman yang sedia ada di dalam
perisian Microsoft Access 2003.
Dalam perisian Microsoft Access 2003, setiap jenis data disimpan dalam
lapisan yang berasingan.
Ini bermakna setiap jenis data mempunyai jadual
atributnya tersendiri yang didefinisikan secara unik. Jadual 5.1 menunjukkan jadual
definisi bagi setiap data atribut dalam pangkalan data yang dibangunkan.
111
Jadual 5.1: Jadual definisi bagi data atribut
Nama Jadual
Pesakit
Nama Atribut
Id_Pesakit
Nama
No_KP
Umur
Jantina
Tinggi
Berat
Keturunan
Model
Id_Model
Id_Pesakit
Model_Depan
Model_Kiri
Model_Kanan
Kaedah
Id_Kaedah
Id_Pesakit
Kaedah
Titik_Pengukuran Id_Titik_Pengukuran
Id_Pesakit
Id_Kaedah
Titik_Pengukuran
Kedudukan_Titik
Pengukuran
Id_Pengukuran
Id_Pesakit
Id_Kaedah
Nama_Pengukuran
Pengukuran
Beza
5.2.3
Format
Text
Text
Text
Text
Text
Number
Text
Text
AutoNumber
Text
OLE Object
OLE Object
OLE Object
Number
Text
Text
AutoNumber
Text
Number
Text
Text
AutoNumber
Text
Number
Text
Number
Number
Panjang
14
40
14
10
9
4
6
10
4
14
184320
184320
184320
4
14
25
4
14
4
5
50
4
14
4
15
4
4
Reka Bentuk Fizikal
Reka bentuk fizikal merupakan reka bentuk yang menyatakan proses
pemilihan untuk penyimpanan atau storan data yang khusus secara terperinci dalam
pangkalan data secara berkomputer.
Dalam hal ini, pertimbangan mengenai
keupayaan perisian, sistem pengoperasian dan struktur storan perlu diteliti agar
bersesuaian untuk melaksanakan sistem yang akan dibangunkan. Reka bentuk fizikal
112
memberi kesan bukan sahaja kepada lokasi data di dalam peranti storan, malah
kepada keseluruhan prestasi sistem.
Reka bentuk fizikal menumpukan kepada perlaksanaan fizikal sebenar reka
bentuk logikal.
Selain itu, penukaran data juga harus dilakukan tanpa
menghilangkan maklumat serta mengekalkan ciri-cirinya. Pertimbangan juga harus
dititikberatkan semasa melakukan proses kemasukan data seperti mengetahui sumber
data yang harus dimasukkan, lokasi penempatan data, kaedah memperbaharui datadata lama serta persembahan maklumat, keselamatan bagi pencapaian data dan
sebagainya. Jadual 5.2 hingga Jadual 5.6 menerangkan anggaran ruang storan yang
diperlukan bagi setiap jadual.
Jadual 5.2: Storan reka bentuk fizikal bagi entiti Pesakit
Atribut
Id_Pesakit
Nama
No_KP
Umur
Jantina
Tinggi
Berat
Keturunan
Jumlah panjang garis
Jumlah bilangan rekod
Jumlah ruang diperlukan
Jenis Data
Text
Text
Text
Text
Text
Number
Text
Text
Storan
14 bait
40 bait
14 bait
10 bait
9 bait
4 bait
6 bait
10 bait
107 bait
5
535 bait
Jadual 5.3: Storan reka bentuk fizikal bagi entiti Model
Atribut
Id_Model
Id_Pesakit
Model_Depan
Model_Kiri
Model_Kanan
Jumlah panjang garis
Jumlah bilangan rekod
Jumlah ruang diperlukan
Jenis Data
AutoNumber
Text
OLE Object
OLE Object
OLE Object
Storan
4 bait
14 bait
184320 bait
184320 bait
184320 bait
552978 bait
15
8.3 megabait
113
Jadual 5.4: Storan reka bentuk fizikal bagi entiti Kaedah
Atribut
Id_Kaedah
Id_Pesakit
Kaedah
Jumlah panjang garis
Jumlah bilangan rekod
Jumlah ruang diperlukan
Jenis Data
Number
Text
Text
Storan
4 bait
14 bait
25 bait
43 bait
10
430 bait
Jadual 5.5: Storan reka bentuk fizikal bagi entiti Titik Pengukuran
Atribut
Id_Titik_Pengukuran
Id_Pesakit
Id_Kaedah
Titik_Pengukuran
Kedudukan_Titik
Jumlah panjang garis
Jumlah bilangan rekod
Jumlah ruang diperlukan
Jenis Data
AutoNumber
Text
Number
Text
Text
Storan
4 bait
14 bait
4 bait
5 bait
50 bait
77 bait
360
27720 bait
Jadual 5.6: Storan reka bentuk fizikal bagi entiti Pengukuran
Atribut
Id_Pengukuran
Id_Pesakit
Id_Kaedah
Nama_Pengukuran
Pengukuran
Beza
Jumlah panjang garis
Jumlah bilangan rekod
Jumlah ruang diperlukan
Jenis Data
AutoNumber
Text
Number
Text
Number
Number
Storan
4 bait
14 bait
4 bait
15 bait
4 bait
4 bait
45 bait
190
8550 bait
Maka, jumlah anggaran storan yang diperlukan bagi keseluruhan jadualjadual bagi data atribut yang terlibat adalah sebanyak 8.3 MB.
114
5.3
Pembangunan Pangkalan Data
Dalam kajian ini, pangkalan data telah direka bentuk dan dibangunkan
dengan menggunakan perisian Microsoft Access 2003.
Pangkalan data ini
dibangunkan dengan memasukkan data-data atribut ke dalam pangkalan data yang
telah direka bentuk. Rajah 5.7 menunjukkan cartalir bagi proses yang terdapat di
dalam pembangunan pangkalan data.
Rajah 5.7: Proses di dalam pembangunan pangkalan data
5.3.1
Kemasukan Data Atribut
Dalam kajian ini, kemasukan data atribut ke dalam pangkalan data dilakukan
dengan menggunakan perisian Microsoft Access 2003. Perisian Microsoft Access
2003 mempunyai had storan sehingga 2 GB untuk penyimpanan data. Pangkalan
data yang dibangunkan hanya membenarkan kemasukan data bagi kaedah yang dapat
115
menghasilkan titik pengukuran 3D terbaik (kaedah microscribe digitizer) serta
perisian yang dapat menghasilkan model digital terbaik (kaedah pengimbas CT).
Merujuk Rajah 5.7, segala jadual-jadual dan medan-medan yang telah direka bentuk
pada fasa reka bentuk konseptual, logikal dan fizikal telah diimplementasikan ke
dalam pangkalan data
Kemasukan data atribut ke dalam pangkalan data dilakukan dengan memilih
sub menu New Record yang terdapat di dalam menu Insert seperti yang ditunjukkan
di dalam Rajah 5.8. Setelah kesemua maklumat pesakit diisi, pengguna seterusnya
dikehendaki mengisi maklumat model dan juga kaedah dengan menekan butang
Model dan Kaedah yang terdapat pada paparan antaramuka pengguna.
Butang
Keluar pula berfungsi untuk pengguna keluar daripada sistem pangkalan data.
Rajah 5.8: Antaramuka bagi maklumat pesakit
Rajah 5.9 menunjukkan data-data peribadi pesakit yang telah dimasukkan ke
dalam jadual Pesakit di dalam pangkalan data. Terdapat lima data pesakit yang telah
dimasukkan ke dalam pangkalan data.
116
Rajah 5.9: Data peribadi pesakit yang disimpan di dalam pangkalan data
Rajah 5.10 pula menunjukkan antaramuka pengguna bagi maklumat model
pesakit.
Imej tisu keras pesakit yang terdapat di dalam pangkalan data adalah
disimpan dan dipaparkan di dalam bentuk 2D. Imej tersebut dapat dipaparkan dari
pandangan hadapan, kiri dan juga kanan dengan menekan double click pada petak
yang menyimpan imej tersebut.
Kedudukan titik pengukuran pada craniofacial
pesakit juga turut dipaparkan bersama model yang dihasilkan. Butang Kembali pula
berfungsi untuk pengguna kembali ke paparan maklumat pesakit.
Rajah 5.10: Antaramuka bagi maklumat model pesakit
117
Dalam Rajah 5.11, kesemua data yang dipaparkan adalah data bagi model
pesakit yang dimasukkan ke dalam jadual Model di dalam pangkalan data yang
dibangunkan.
Imej bagi model yang disimpan adalah berformat JPEG (Joint
Photographic Experts Group).
Rajah 5.11: Data-data model pesakit yang disimpan di dalam pangkalan data
Paparan yang terdapat pada Rajah 5.12 pula membenarkan pengguna
memasukkan maklumat kaedah bagi model digital (perisian terbaik) serta model
fizikal (kaedah terbaik) yang digunakan untuk perbandingan pada peringkat akhir
kajian. Dalam kajian ini, data kaedah yang disimpan adalah pengimbas CT dan
microscribe digitizer sahaja. Dengan menggunakan kaedah pengimbas CT, data
yang disimpan adalah bagi model digital yang dihasilkan dengan menggunakan
perisian terbaik iaitu 3D Slicer. Manakala microscribe digitizer pula merupakan
kaedah yang dapat menghasilkan pengukuran yang paling tepat. Setelah maklumat
kaedah dimasukkan, seterusnya pengguna dikehendaki memasukkan pula maklumat
bagi titik pengukuran dan juga pengukuran dengan menekan butang Titik
Pengukuran dan Pengukuran yang telah disediakan.
Butang Kembali pula
membenarkan pengguna untuk kembali semula ke paparan maklumat pesakit.
118
Rajah 5.12: Antaramuka bagi maklumat kaedah yang digunakan
Rajah 5.13 pula menunjukkan data-data bagi kaedah yang digunakan untuk
setiap pesakit yang disimpan di dalam pangkalan data. Bagi setiap pesakit, cerapan
data titik pengukuran telah dilakukan dengan menggunakan dua kaedah iaitu
imbasan CT dan microscribe digitizer.
Rajah 5.13: Data-data bagi kaedah yang digunakan ke atas pesakit
119
Maklumat titik pengukuran yang telah dicerap dengan menggunakan keduadua kaedah dimasukkan ke dalam pangkalan data melalui antaramuka yang telah
disediakan seperti pada Rajah 5.14.
Sebelum data dimasukkan, terlebih dahulu
pengguna dikehendaki memilih kaedah yang digunakan pada senarai kaedah yang
dipaparkan.
Rajah 5.14: Antaramuka bagi maklumat titik pengukuran
120
Rajah 5.14 juga menunjukkan senarai titik pengukuran yang telah
dimasukkan dengan menggunakan kaedah microscribe digitizer. Titik pengukuran
ini disimpan di dalam koordinat x,y,z.
Butang Menu Utama yang dipaparkan
berfungsi untuk pengguna kembali semula ke paparan maklumat pesakit manakala
butang Kembali pula adalah untuk kembali ke paparan sebelumnya iaitu maklumat
kaedah.
Rajah 5.15 pula menunjukkan menu untuk menyimpan data-data yang telah
dimasukkan dengan memilih sub menu Save yang terdapat pada menu File.
Manakala Rajah 5.16 menunjukkan sebahagian data-data bagi titik pengukuran yang
disimpan di dalam pangkalan data bagi kesemua pesakit.
Rajah 5.15: Menu untuk menyimpan rekod yang telah dimasukkan
121
Rajah 5.16: Data-data bagi titik pengukuran (x,y,z) yang disimpan di dalam
pangkalan data
122
Dalam pangkalan data yang dibangunkan ini juga, terdapat antaramuka untuk
kemasukan data pengukuran bagi craniofacial tisu keras pesakit.
Rajah 5.17
menunjukkan hasil pengukuran yang telah dimasukkan ke dalam pangkalan data bagi
kaedah microscribe digitizer. Antaramuka ini juga turut memaparkan perbezaan
hasil pengukuran di antara kaedah imbasan CT dengan microscribe digitizer bagi
seseorang pesakit.
Rajah 5.17: Antaramuka bagi maklumat pengukuran
123
Dalam Rajah 5.17 juga, kemasukan data pengukuran yang menggunakan
kaedah pengimbas CT pula memerlukan pengguna memilih kaedah CT Scanner pada
bahagian kaedah yang dipaparkan. Butang Menu Utama yang terdapat pada paparan
berfungsi untuk pengguna kembali semula ke paparan maklumat pesakit. Manakala
butang Kembali pula membenarkan pengguna untuk kembali ke paparan sebelumnya
iaitu paparan maklumat kaedah.
Rajah 5.18 menunjukkan sebahagian data-data pengukuran pesakit yang
disimpan pada jadual pengukuran di dalam pangkalan data yang dibangunkan. Data
pengukuran yang disimpan adalah hasil dari pengukuran yang telah dilakukan
menggunakan kaedah pengimbas CT dan juga microscribe digitizer.
Jadual
pengukuran ini juga turut memaparkan perbezaan hasil pengukuran di antara kaedah
pengimbas CT dan microscribe digitizer bagi setiap pengukuran yang dilakukan.
Rajah 5.18: Data-data bagi pengukuran yang disimpan di dalam pangkalan data
124
5.4
Rumusan
Bab ini membincangkan mengenai reka bentuk dan pembangunan pangkalan
data bagi craniofacial tisu keras manusia yang telah dibangunkan dengan
menggunakan perisian Microsoft Access 2003. Pangkalan data yang dibangunkan
ini membenarkan pengguna menyimpan maklumat pesakit, model yang dihasilkan,
kaedah yang digunakan, titik pengukuran yang dicerap serta hasil pengukuran yang
telah diperolehi dengan lebih teratur dan tersusun. Dengan penghasilan pangkalan
data ini, rujukan serta capaian data boleh dilakukan dengan lebih mudah dan cepat.
BAB 6
HASIL DAN ANALISIS
6.1
Pendahuluan
Dalam kajian ini, proses perbandingan telah dilakukan pada dua bahagian
iaitu perbandingan di antara model digital 3D dan perbandingan di antara model
fizikal. Perbandingan di antara model digital melibatkan model digital 3D yang
dihasilkan dengan menggunakan perisian RapidForm2004, 3D Doctor, 3D Slicer dan
juga MIMICS. Manakala perbandingan di antara model fizikal pula melibatkan
penggunaan microscribe digitizer, fotogrametri jarak dekat digital, pengimbas laser
dan juga kaliper.
Dalam kajian ini juga, analisa statistik yang dilakukan tidak
menggunakan data yang rawak kerana data yang diperolehi adalah sedikit dan terhad.
Kesemua data yang dipilih untuk digunakan di dalam kajian adalah data yang paling
baik daripada semua data yang diperolehi daripada Hospital Universiti Sains
Malaysia, Kubang Kerian. Data ini hanya digunakan untuk menguji perisian dan
juga kaedah pengukuran terbaik.
126
6.2
Perbandingan Di Antara Model Digital
Rajah 6.1 menunjukkan cartalir perbandingan yang dilakukan bagi model
digital 3D di dalam kajian ini.
Perbandingan adalah merangkumi nilai sisihan
Rajah 6.1: Perbandingan model digital
piawai, RMS, varian dan pengukuran.
127
Setelah kesemua data imbasan CT diproses dengan menggunakan perisian
RapidForm2004, 3D Doctor dan 3D Slicer, model digital 3D seperti yang terdapat
pada Rajah 6.2 telah dihasilkan. Dalam Rajah 6.2 ini juga turut disertakan model
perisian MIMICS yang diperolehi daripada SIRIM.
(a)
(b)
(c)
(d)
Rajah 6.2: Model digital 3D yang dihasilkan dan model MIMICS (Set 3); (a) Model
RapidForm2004, (b) Model 3D Doctor, (c) Model 3D Slicer dan (d) Model MIMICS
128
6.2.1
Nilai Sisihan Piawai
Perbandingan nilai sisihan piawai dilakukan bertujuan untuk mendapatkan
data yang jitu. Dalam kajian ini, perbandingan di antara model digital 3D yang
dihasilkan dengan model gold standard iaitu MIMICS dilakukan dengan
menggunakan perisian RapidForm2004. Merujuk Rajah 3.16 yang terdapat di dalam
Seksyen 3.5, perbandingan dilakukan dengan mengimport serta melakukan proses
register pada dua model iaitu model gold standard dan model digital 3D yang
dihasilkan. Seterusnya, proses shell deviation dilakukan pada model yang terhasil
bagi mendapatkan nilai sisihan piawai antara kedua-dua model. Rajah 6.3 hingga
Rajah 6.5 menunjukkan hasil bagi proses shell deviation yang telah dilakukan di
antara model digital 3D yang dihasilkan daripada perisian RapidForm2004, 3D
Doctor dan 3D Slicer dengan model digital 3D MIMICS.
Berdasarkan Rajah 6.3, perbandingan di antara model digital 3D bagi
RapidForm2004 dan 3D MIMICS menunjukkan terdapat banyak bahagian pada
model tersebut yang mempunyai nilai sisihan piawai tinggi berbanding model digital
lain yang dibandingkan. Model yang dibandingkan ini merangkumi warna biru,
hijau dan juga merah. Seterusnya perbandingan bagi model digital 3D Doctor dan
model digital 3D MIMICS menunjukkan nilai sisihan piawai yang diperolehi adalah
lebih rendah daripada model digital RapidForm2004 yang dibandingkan.
Walaubagaimanapun, model yang dibandingkan ini menunjukkan nilai sisihan
piawai yang tinggi daripada model 3D Slicer yang dibandingkan kerana model ini
merangkumi warna biru dan hijau. Perbandingan model digital 3D Slicer dengan
model digital 3D MIMICS pula telah menunjukkan nilai sisihan piawai yang paling
rendah kerana keseluruhan model yang dibandingkan merangkumi warna biru sahaja.
Bagi model RapidForm yang dibandingkan, terdapat 1199348 titik yang
bertindih (91.35%). Manakala model digital 3D Doctor pula merangkumi 416370
(93.46%) titik bertindih. Bagi model 3D Slicer terdapat 882510 (94.44%) titik yang
bertindih. Ini menunjukkan perisian 3D Slicer adalah yang terbaik kerana model
digital 3D yang dibandingkan mempunyai jumlah pertindihan titik yang paling
banyak iaitu sebanyak 94.44%.
129
(a)
(b)
(c)
Rajah 6.3: Model yang dihasilkan pada proses shell deviation (Set 3); (a) model
digital RapidForm2004 dan model digital 3D MIMICS, (b) model digital 3D Doctor
dan model digital 3D MIMICS serta (c) model digital 3D Slicer dan model digital 3D
MIMICS
130
(a)
(b)
(c)
Rajah 6.4: Graf taburan sisihan piawai bagi proses shell deviation (Set 3); (a) model
digital RapidForm2004 dan model digital 3D MIMICS, (b) model digital 3D Doctor
dan model digital 3D MIMICS serta (c) model digital 3D Slicer dan model digital 3D
MIMICS
131
Rajah 6.4 pula menunjukkan graf taburan sisihan piawai yang diperolei
setelah proses shell deviation dilakukan pada setiap model yang dibandingkan.
Berdasarkan graf tersebut jumlah taburan sisihan piawai yang diperolehi setelah
kesemua model digital yang dihasilkan dibandingkan dengan model digital 3D
MIMICS adalah sebanyak 99.91% (RapidForm2004), 99.96% (3D Doctor) dan
99.99% (3D Slicer). Berdasarkan nilai taburan yang diperolehi, jelas menunjukkan
perisian 3D Slicer telah menghasilkan nilai taburan yang paling tinggi iaitu 99.99%
dan merupakan perisian yang terbaik.
Rajah 6.5: Hasil analisa shell deviation (Set 3); (a) model digital RapidForm2004
dan model digital 3D MIMICS, (b) model digital 3D Doctor dan model digital 3D
MIMICS serta (c) model digital 3D Slicer dan model digital 3D MIMICS
Berdasarkan Rajah 6.5, hasil yang diperolehi adalah jarak minimum dan
maksimum, purata jarak serta sisihan piawai. Jarak minimum adalah jarak paling
dekat di antara dua titik manakala jarak maksimum adalah jarak paling jauh di antara
dua titik bagi model yang dibandingkan. Dalam proses perbandingan bagi nilai
sisihan piawai di antara model digital 3D dan model digital 3D MIMICS, hanya satu
132
model sahaja yang terlibat iaitu model Set 3 kerana model digital 3D MIMICS yang
diperolehi daripada SIRIM adalah satu sahaja.
Jadual 6.1 menunjukkan kesemua hasil yang telah diperolehi setelah
perbandingan di antara model digital 3D dan model perisian MIMICS dilakukan.
Hasil yang telah diperolehi adalah merangkumi nilai sisihan piawai, RMS dan juga
varian bagi tiga model digital yang dihasilkan daripada perisian RapidForm2004, 3D
Doctor dan 3D Slicer setelah dibandingkan dengan model gold standard.
Merujuk kepada purata nilai sisihan piawai bagi ketiga-tiga model digital 3D
yang dibandingkan pada Jadual 6.1, model yang dihasilkan daripada perisian 3D
Slicer telah menghasilkan nilai sisihan piawai yang paling rendah iaitu 0.47 mm
berbanding model perisian lain. Purata nilai sisihan piawai bagi model perisian 3D
Doctor pula adalah 0.8 mm.
Manakala purata nilai sisihan piawai bagi model
perisian RapidForm2004 adalah yang tertinggi iaitu 1.27 mm.
Jadual 6.1: Hasil perbandingan di antara model digital 3D dan model gold standard
(Set 3)
No. Model Gold
Standard
1 MIMICS
2 MIMICS
3 MIMICS
4 MIMICS
5 MIMICS
Purata
1 MIMICS
2 MIMICS
3 MIMICS
4 MIMICS
5 MIMICS
Purata
1 MIMICS
2 MIMICS
3 MIMICS
4 MIMICS
5 MIMICS
Purata
Model
Dihasilkan
RapidForm1
RapidForm2
RapidForm3
RapidForm4
RapidForm5
3DDoctor1
3DDoctor2
3DDoctor3
3DDoctor4
3DDoctor5
3DSlicer1
3DSlicer2
3DSlicer3
3DSlicer4
3DSlicer5
Sisihan
Purata
Jarak
Piawai (σ)
1.41 mm
1.28 mm
1.41 mm
1.27 mm
1.42 mm
1.27 mm
1.41 mm
1.28 mm
1.41 mm
1.26 mm
1.41 mm
1.27 mm
0.55 mm
0.77 mm
0.56 mm
0.80 mm
0.56 mm
0.80 mm
0.56 mm
0.80 mm
0.56 mm
0.81 mm
0.56 mm
0.80 mm
0.40 mm
0.47 mm
0.40 mm
0.47 mm
0.40 mm
0.47 mm
0.40 mm
0.47 mm
0.40 mm
0.47 mm
0.40 mm
0.47 mm
RMS
1.27 mm
0.80 mm
0.47 mm
Varian (σ2)
1.63 mm
1.62 mm
1.63 mm
1.63 mm
1.61 mm
1.62 mm
0.60 mm
0.64 mm
0.64 mm
0.65 mm
0.65 mm
0.64 mm
0.22 mm
0.22 mm
0.22 mm
0.22 mm
0.22 mm
0.22 mm
133
Dengan merujuk purata bagi nilai sisihan piawai ini, jelas membuktikan
bahawa perisian 3D Slicer dapat menghasilkan model digital 3D yang paling baik
dan diikuti dengan perisian 3D Doctor serta RapidForm2004.
Daripada
perbandingan yang dilakukan di antara model digital 3D dengan model digital 3D
gold standard, kesemua nilai sisihan piawai yang dihasilkan adalah diperolehi
daripada perisian yang digunakan iaitu RapidForm2004 dan Microsoft Excel.
6.2.2
Root Mean Square (RMS)
Dalam kajian ini, nilai RMS bagi perbandingan yang dilakukan di antara
model digital 3D yang dihasilkan dan model MIMICS turut dihitung. Merujuk
Jadual 6.1, nilai RMS ini dihitung berdasarkan nilai sisihan piawai yang telah
diperolehi sebelumnya.
Pengiraan nilai RMS adalah berdasarkan formula pada
persamaan 2.2 (rujuk Seksyen 2.5). Dalam Jadual 6.1, didapati nilai RMS yang
dihasilkan oleh model perisian 3D Slicer adalah paling rendah berbanding model
perisian 3D Doctor dan diikuti RapidForm2004. Bagi model perisian 3D Slicer, nilai
RMS yang dihasilkan adalah 0.47 mm berbanding model perisian 3D Doctor iaitu
0.8 mm. Manakala nilai RMS bagi model RapidForm2004 pula adalah 1.27 mm.
Berasarkan nilai RMS yang dihasilkan ini juga turut membuktikan bahawa model
digital 3D Slicer merupakan model terbaik berbanding model digital lain.
6.2.3
Varian
Selain daripada nilai sisihan piawai dan RMS, nilai bagi varian turut dihitung
untuk membuktikan perisian yang dapat menghasilkan model digital 3D terbaik di
dalam kajian ini. Merujuk Jadual 6.1, model perisian 3D Slicer telah menghasilkan
134
nilai varian yang paling rendah berbanding model perisian 3D Doctor dan
RapidForm2004 setelah dibandingkan dengan model perisian MIMICS. Purata nilai
varian bagi model perisian 3D Slicer adalah 0.22 mm berbanding 3D Doctor iaitu
0.64 mm. Model perisian RapidForm2004 pula telah menghasilkan purata nilai
varian yang paling tinggi iaitu sebanyak 1.62 mm.
Perbandingan ini turut
membuktikan bahawa model digital yang dihasilkan daripada perisian 3D Slicer
merupakan model digital terbaik dan diikuti dengan model digital 3D Doctor serta
model digital RapidForm2004.
Berdasarkan purata nilai sisihan piawai, RMS dan purata varian yang telah
diperolehi, didapati perisian 3D Slicer dapat menghasilkan model digital 3D yang
paling baik berbanding perisian 3D Doctor dan RapidForm2004.
Hasil yang
diperolehi juga menunjukkan model 3D Doctor merupakan perisian kedua terbaik
dan diikuti oleh perisian RapidForm2004. Bagi mengukuhkan lagi keputusan hasil
analisa yang telah diperolehi pada Jadual 6.1, model perisian 3D Slicer telah
dibandingkan pula dengan model perisian RapidForm2004 dan model perisian 3D
Doctor. Jadual 6.2 menunjukkan hasil perbandingan yang dilakukan.
Jadual 6.2: Analisa statistik bagi purata hasil perbandingan di antara model digital
3D dan model digital 3D gold standard (Set 3)
Perbandingan Dengan
Model MIMICS
RapidForm
3DDoctor
3D Slicer
3D Slicer - RapidForm
3D Slicer - 3D Doctor
Purata
Jarak
1.41 mm
0.56 mm
0.40 mm
1.01 mm
0.15 mm
Purata Sisihan
Piawai (σ)
1.27 mm
0.80 mm
0.47 mm
0.80 mm
0.33 mm
RMS
1.27 mm
0.80 mm
0.47 mm
0.80 mm
0.33 mm
Purata
Varian (σ2)
1.62 mm
0.64 mm
0.22 mm
1.40 mm
0.42 mm
Dalam Jadual 6.2, purata bagi jarak, sisihan piawai, RMS dan juga varian
bagi model perisian RapidForm2004, 3D Slicer dan 3D Doctor yang dibandingkan
dengan model MIMICS adalah merujuk kepada nilai purata yang terdapat di dalam
Jadual 6.1. Dalam jadual 6.2 juga, dua perbandingan telah dilakukan terhadap model
perisian 3D Slicer iaitu membandingkan model perisian tersebut dengan model
135
perisian RapidForm2004 dan model perisian 3D Doctor. Bagi purata nilai sisihan
piawai, perbandingan di antara model perisian 3D Slicer dan 3D Doctor telah
menghasilkan nilai sisihan piawai yang paling rendah iaitu 0.33 mm berbanding
model perisian RapidForm2004 iaitu 0.8 mm.
Hasil perbandingan di dalam Jadual 6.2 menunjukkan nilai RMS yang
dihasilkan oleh model perisian 3D Slicer yang dibandingkan dengan model perisian
3D Doctor adalah lebih rendah berbanding model perisian 3D Slicer yang
dibandingkan dengan model perisian RapidForm2004.
Nilai RMS bagi model
perisian 3D Doctor adalah 0.33 mm berbanding model perisian RapidForm2004 iaitu
0.8 mm yang dibandingkan dengan model perisian 3D Slicer. Bagi purata varian
pula, model perisian 3D Slicer yang dibandingkan dengan model perisian 3D Doctor
menunjukkan nilai varian yang paling rendah iaitu 0.42 mm.
Manakala model
perisian 3D Slicer yang dibandingkan dengan model RapidForm2004 pula
menunjukkan nilai varian yang paling tinggi iaitu 1.4 mm.
Berdasarkan Jadual 6.2 juga, dapat dirumuskan perisian 3D Slicer dapat
menghasilkan model digital 3D yang paling baik berbanding perisian 3D Doctor dan
RapidForm2004.
Manakala perisian 3D Doctor pula merupakan perisian kedua
terbaik yang dapat menghasilkan model digital 3D berbanding perisian
RapidForm2004.
6.2.4 Pengukuran (Jarak Linear)
Dalam kajian ini, proses perbandingan hasil pengukuran telah dilakukan di
antara model perisian 3D Doctor dan 3D Slicer. Proses perbandingan ini telah
menggunakan model fizikal yang diproses menggunakan kaedah fotogrametri jarak
dekat digital sebagai pengukuran gold standard. Sebanyak lima set model digital 3D
dan model fizikal telah digunakan di dalam proses ini. Rajah 6.9 merupakan cartalir
bagi proses perbandingan hasil pengukuran yang dilakukan pada model digital 3D.
136
Rajah 6.6: Proses perbandingan hasil pengukuran bagi model digital 3D
Titik pengukuran bagi model fizikal telah dicerap dengan menggunakan
kaedah fotogrametri (rujuk Seksyen 4.3.2.2).
Dengan menggunakan perisian
Australis, proses pendigitan titik pengukuran telah dilakukan untuk mendapatkan
koordinat titik pengukuran dalam bentuk 3D sebelum proses pengukuran dilakukan
(rujuk Seksyen 4.4.2.2). Sebanyak lima set model digital 3D yang berlainan telah
digunakan untuk tujuan perbandingan.
Setiap model mempunyai enam titik
pengukuran dan kedudukan setiap titik pengukuran bagi kesemua model tersebut
adalah berbeza.
Pemilihan hanya enam titik pengukuran dilakukan kerana titik
tersebut merupakan titik yang jelas kelihatan dan mudah untuk dicerap bagi semua
perisian serta kaedah yang digunakan.
Jadual 6.3 hingga Jadual 6.7 menunjukkan hasil pengukuran bagi model
digital 3D yang dihasilkan dengan menggunakan perisian 3D Doctor dan 3D Slicer.
Selain itu, hasil pengukuran bagi model fizikal yang dilakukan dengan menggunakan
perisian Australis bagi titik koordinat 3D yang dihasilkan menggunakan kaedah
fotogrametri jarak dekat digital turut di paparkan bersama hasil perbandingan.
137
Jadual 6.3: Perbandingan 10 hasil pengukuran linear di antara model digital bagi Set
1 (peringkat awal)
Pengukuran
A1-A2
A1-A5
A1-A6
A2-A5
A2-A6
A3-A4
A3-A5
A4-A5
A4-A6
A5-A6
Australis
3D Slicer
3D Doctor
Australis – 3D Slicer
Australis – 3D Doctor
(mm)
(mm)
(mm)
(mm)
(mm)
95.02
94.56
94.56
0.47
0.46
101.04
100.32
101.27
0.72
0.23
119.56
119.14
120.18
0.42
0.62
118.15
117.43
117.87
0.72
0.28
97.29
97.21
98.23
0.08
0.94
55.14
54.74
55.25
0.40
0.11
64.44
64.43
65.11
0.01
0.67
56.48
56.46
55.82
0.02
0.66
55.08
55.07
55.92
0.02
0.84
45.25
44.92
Purata
44.84
0.33
0.41
0.32
0.52
0.26
0.27
0.41
0.58
0.08
0.07
Sisihan Piawai (σ)
Statistik
RMS
2
Varian (σ )
Jadual 6.4: Perbandingan 10 hasil pengukuran linear di antara model digital bagi Set
2 (peringkat awal)
Pengukuran
A1-A2
A1-A5
A1-A6
A2-A5
A2-A6
A3-A4
A3-A5
A4-A5
A4-A6
A5-A6
Statistik
Australis
3D Slicer
3D Doctor
Australis – 3D Slicer
Australis – 3D Doctor
(mm)
(mm)
(mm)
(mm)
(mm)
92.39
92.76
92.86
0.37
0.47
93.07
93.53
94.69
0.47
1.62
115.47
115.65
117.01
0.18
1.54
111.01
110.39
110.77
0.62
0.24
90.33
90.20
91.64
0.12
1.31
29.35
28.65
28.55
0.70
0.80
79.31
79.03
78.33
0.28
0.99
51.98
52.29
51.41
0.31
0.57
55.68
56.20
56.70
0.52
1.02
47.87
46.71
Purata
46.50
1.17
1.37
0.47
0.99
0.29
0.47
0.56
1.09
0.09
0.22
Sisihan Piawai (σ)
RMS
Varian (σ2)
138
Jadual 6.5: Perbandingan 10 hasil pengukuran linear di antara model digital bagi Set
3 (peringkat awal)
Pengukuran
Australis
3D Slicer
3D Doctor
Australis – 3D Slicer
Australis – 3D Doctor
(mm)
(mm)
(mm)
(mm)
(mm)
A1-A2
102.43
102.37
102.24
0.06
0.20
A1-A5
101.39
100.61
104.02
0.78
2.63
A1-A6
121.85
121.59
124.04
0.27
2.19
A2-A5
119.39
118.66
117.13
0.73
2.26
A2-A6
94.99
94.96
94.12
0.03
0.87
A3-A4
31.21
30.87
32.65
0.33
1.44
A3-A5
89.08
89.08
90.60
0.00
1.52
A4-A5
59.06
59.57
59.18
0.51
0.12
A4-A6
60.94
61.48
61.57
0.54
0.63
A5-A6
48.24
47.12
46.59
1.12
1.65
0.44
1.35
0.37
0.88
0.56
1.59
0.14
0.77
Purata
Sisihan Piawai (σ)
Statistik
RMS
2
Varian (σ )
Jadual 6.6: Perbandingan 10 hasil pengukuran linear di antara model digital bagi Set
4 (peringkat awal)
Pengukuran
A1-A2
Australis
3D Slicer
3D Doctor
Australis – 3D Slicer
Australis – 3D Doctor
(mm)
(mm)
(mm)
(mm)
(mm)
91.65
90.86
0.21
0.80
86.83
87.97
0.65
1.79
109.63
109.22
0.23
0.18
106.56
106.31
0.85
1.10
87.29
87.41
86.10
0.12
1.19
31.46
30.85
29.74
0.61
1.72
76.34
75.53
74.84
0.82
1.51
47.73
47.65
47.40
0.08
0.33
A4-A6
50.13
50.22
49.42
0.10
0.71
A5-A6
46.18
45.83
44.44
0.36
1.74
0.40
1.11
0.30
0.59
0.49
1.24
0.09
0.35
A1-A5
86.18
A1-A6
109.40
A2-A5
107.41
A2-A6
A3-A4
A3-A6
A4-A5
91.86
Purata
Statistik
Sisihan Piawai (σ)
RMS
2
Varian (σ )
139
Jadual 6.7: Perbandingan 10 hasil pengukuran linear di antara model digital bagi Set
5 (peringkat awal)
Pengukuran
Australis
3D Slicer
3D Doctor
Australis – 3D Slicer
Australis – 3D Doctor
(mm)
(mm)
(mm)
(mm)
(mm)
A1-A2
97.37
96.84
97.21
0.53
0.16
A1-A5
93.93
93.87
93.19
0.06
0.74
A1-A6
115.35
114.84
114.09
0.51
1.26
A2-A5
115.82
116.04
114.95
0.22
0.87
A2-A6
93.35
93.79
92.12
0.44
1.23
A3-A5
79.51
79.90
78.94
0.39
0.58
A3-A6
60.07
61.04
58.96
0.97
1.11
A4-A5
57.17
56.93
56.96
0.24
0.21
A4-A6
55.56
55.30
55.24
0.25
0.32
A5-A6
47.17
46.19
46.63
0.98
0.54
0.46
0.70
0.31
0.41
0.55
0.80
0.10
0.17
Purata
Sisihan Piawai (σ)
Statistik
RMS
2
Varian (σ )
Rajah 6.7 hingga Rajah 6.11 menunjukkan graf taburan data bagi 10 pengukuran
linear yang dilakukan pada peringkat awal kajian dengan menggunakan lima set data.
1
0.8
0.6
Australis – 3D Slicer (mm)
0.4
Australis – 3D Doctor (mm)
0.2
0
0
2
4
6
8
10
12
-0.2
Rajah 6.7: Graf taburan data hasil pengukuran linear bagi Set 1 (peringkat awal)
140
1.8
1.6
1.4
1.2
1
Australis – 3D Slicer (mm)
Australis – 3D Doctor (mm)
0.8
0.6
0.4
0.2
0
0
2
4
6
8
10
12
Rajah 6.8: Graf taburan data hasil pengukuran linear bagi Set 2 (peringkat awal)
3
2.5
2
1.5
Australis – 3D Slicer (mm)
Australis – 3D Doctor (mm)
1
0.5
0
0
2
4
6
8
10
12
-0.5
Rajah 6.9: Graf taburan data hasil pengukuran linear bagi Set 3 (peringkat awal)
141
2
1.8
1.6
1.4
1.2
Australis – 3D Slicer (mm)
1
Australis – 3D Doctor (mm)
0.8
0.6
0.4
0.2
0
0
2
4
6
8
10
12
Rajah 6.10: Graf taburan data hasil pengukuran linear bagi Set 4 (peringkat awal)
1.4
1.2
1
0.8
Australis – 3D Slicer (mm)
Australis – 3D Doctor (mm)
0.6
0.4
0.2
0
0
2
4
6
8
10
12
Rajah 6.11: Graf taburan data hasil pengukuran linear bagi Set 5 (peringkat awal)
Berdasarkan hasil pengukuran (Jadual 6.3 hingga Jadual 6.7) serta graf
taburan data (Rajah 6.7 hingga Rajah 6.11) yang telah diperolehi, analisa terhadap
hasil pengukuran telah dilakukan dengan mengira nilai sisihan piawai, RMS dan
varian bagi setiap model digital 3D yang dibandingkan dengan Australis. Dalam
analisa terhadap hasil pengukuran yang telah dibuat, julat purata bagi model digital
142
3D Slicer yang dibandingkan adalah di antara 0.32 mm hingga 0.47 mm. Manakala
julat purata bagi model 3D Doctor pula adalah di antara 0.52 mm hingga 1.35 mm.
Bagi sisihan piawai pula, julat bagi 3D Slicer adalah di antara 0.26 mm hingga 0.37
mm. Manakala 3D Doctor pula adalah di antara 0.27 mm hingga 0.88 mm.
Julat RMS bagi model 3D Slicer adalah di antara 0.41 mm hingga 0.56 mm.
Manakala julat RMS bagi 3D Doctor pula adalah 0.58 mm hingga 1.59 mm.
Seterusnya julat varian yang diperolehi daripada perbandingan pengukuran bagi
model 3D Slicer adalah di antara 0.08 mm hingga 0.14 mm. Manakala julat varian
bagi 3D Doctor pula adalah di antara 0.07 mm hingga 0.77 mm. Kesemua julat yang
diperolehi ini ditunjukkan seperti di dalam Jadual 6.8.
Jadual 6.8: Julat bagi perbandingan 10 hasil pengukuran linear bagi model digital
(peringkat awal)
Julat
Australis – 3D Slicer
Australis – 3D Doctor
(mm)
(mm)
Purata
0.32 – 0.47
0.52 – 1.35
Sisihan piawai
0.26 – 0.37
0.27 – 0.88
RMS
0.41 – 0.56
0.58 – 1.59
Varian
0.08 – 0.14
0.07 – 0.77
Daripada analisa yang telah dilakukan, dapat dirumuskan bahawa kesemua
nilai sisihan piawai, RMS dan varian yang diperolehi bagi perbandingan di antara
Australis dan 3D Slicer adalah lebih kecil daripada perbandingan di antara Australis
dan 3D Doctor.
Hasil pengukuran ini menunjukkan perisian 3D slicer dapat
menghasilkan pengukuran yang lebih tepat berbanding perisian 3D Doctor.
143
6.3
Analisa Statistik Bagi Perbandingan Model Digital
Merujuk kepada hasil pengukuran yang terdapat di dalam Seksyen 6.2.4, satu
hipotesis telah dibuat untuk membuktikan bahawa ketepatan model digital 3D yang
dihasilkan daripada perisian 3D Slicer adalah setara dengan ketepatan model digital
3D yang dihasilkan daripada perisian 3D Doctor. Berikut merupakan hipotesis yang
telah dibuat:
H 0 : m3 D − Slicer = m3 D − Doctor
Ketepatan model digital 3D yang dihasilkan daripada perisian 3D Slicer
adalah setara dengan ketepatan model digital 3D yang dihasilkan daripada
perisian 3D Doctor.
H A : m3 D − Slicer ≠ m3 D − Doctor
Ketepatan model digital 3D yang dihasilkan daripada perisian 3D Slicer
adalah tidak setara dengan ketepatan model digital 3D yang dihasilkan
daripada perisian 3D Doctor.
Jadual 6.9 menunjukkan nilai varian yang diperolehi bagi hasil pengukuran
yang ditunjukkan pada Jadual 6.3 hingga Jadual 6.7. Berdasarkan hasil varian yang
diperolehi, analisa telah dilakukan untuk membuktikan bahawa perisian 3D Slicer
adalah perisian yang dapat menghasilkan model digital yang lebih baik berbanding
perisian 3D Doctor. Analisa yang dilakukan adalah menggunakan F-Test.
Jadual 6.9: Nilai varian yang diperolehi bagi hasil pengukuran model digital 3D
Varian
Set 1
Set 2
Set 3
Set 4
Set 5
3D Slicer (V1) 3D Doctor (V2)
0.08 mm
0.07 mm
0.09 mm
0.22 mm
0.14 mm
0.77 mm
0.09 mm
0.35 mm
0.10 mm
0.17 mm
144
Jadual 6.10 menunjukkan hasil analisa yang telah diperolehi dengan
menggunakan F-Test. Berdasarkan jadual F-Test, nilai purata bagi lima set varian
daripada perisian 3D Slicer adalah 0.0984 mm manakala perisian 3D Doctor adalah
0.3142 mm.
Nilai varian bagi perisian 3D Slicer pula adalah 0.0004918 mm
manakala perisian 3D Doctor adalah 0.0734757 mm bagi lima set pengukuran yang
digunakan. Nilai df (degree of freedom) yang terdapat di dalam jadual F-Test adalah
4 bagi perisian 3D Slicer dan juga perisian 3D Doctor. Df merupakan n-1 di mana, n
adalah bilangan set cerapan. Nilai F yang dihitung pula adalah 0.006693369 mm
manakala nilai F daripada jadual adalah 0.156537812 mm. Nilai P (probabiliti) yang
diperolehi daripada analisa ini adalah 0.000132034 mm.
Jadual 6.10: Hasil analisa bagi model digital menggunakan F-Test
F-Test Bagi Dua Sampel Varian
Purata
Varian
Set Cerapan
df (degree of freedom)
F (dihitung)
P(F<=f) one-tail
F (jadual)
3D Slicer
3D Doctor
0.0984
0.3142
0.0004918
0.0734757
5
5
4
4
0.006693369
0.000132034
0.156537812
Berdasarkan hasil analisa F-Test yang diperolehi daripada Jadual 6.9, nilai F
yang dihitung adalah lebih kecil daripada nilai F daripada jadual. Maka hipotesis H0,
ketepatan model digital 3D yang dihasilkan daripada perisian 3D Slicer adalah setara
dengan ketepatan model digital 3D yang dihasilkan daripada perisian 3D Doctor
telah diterima. Walaupun ketepatan model digital 3D Slicer adalah setara dengan
model digital 3D Doctor, namun perisian 3D Slicer masih dianggap perisian yang
lebih baik kerana perisian ini adalah perisian sumber terbuka dan boleh dimuat turun
secara percuma.
145
6.4
Perbandingan Di Antara Model Fizikal
Selain melakukan perbandingan pada model digital 3D, kajian ini juga turut
melakukan perbandingan pada model fizikal.
Dengan menggunakan kaedah
fotogrametri jarak dekat digital, microscribe digitizer, imbasan laser dan juga kaliper,
cerapan data titik pengukuran pada model fizikal telah dilakukan bagi mendapatkan
titik pengukuran dalam bentuk 3D. Seterusnya proses pengukuran dilakukan pada
setiap titik pengukuran 3D yang telah dihasilkan.
6.4.1
Pengukuran
Proses pengukuran pada model fizikal telah dilakukan dengan menggunakan
kaedah fotogrametri, microscribe digitizer, pengimbas laser dan juga kaliper.
Sebanyak lima set model fizikal telah digunakan di dalam kajian ini dan proses
pengukuran pada setiap model telah dilakukan sebanyak lima kali kecuali pada set
data yang menggunakan kaedah fotogrametri. Hasil pengukuran yang diperolehi
daripada kaedah fotogrametri telah dijadikan sebagai gold standard untuk
dibandingkan dengan hasil pengukuran yang diperolehi daripada kaedah microscribe
digitizer, kaliper dan juga pengimbas laser.
Rajah 6.12 merupakan cartalir bagi proses pengukuran yang telah dilakukan
pada model fizikal di dalam kajian ini. Manakala Jadual 6.10 hingga Jadual 6.14
pula menunjukkan hasil pengukuran yang dilakukan pada model fizikal.
146
Rajah 6.12: Proses pengukuran pada model fizikal
Dalam Jadual 6.11 hingga Jadual 6.15, hasil pengukuran yang dipaparkan
merupakan purata bagi setiap pengukuran yang diperolehi melalui kaedah
microscribe digitizer, kaliper dan juga pengimbas laser.
Jadual ini juga turut
memaparkan hasil perbandingan bagi pengukuran yang telah dilakukan di antara
kaedah fotogrametri dan microscribe digitizer, fotogrametri dan kaliper serta
fotogrametri dan pengimbas laser.
147
Jadual 6.11: Perbandingan 10 hasil pengukuran linear dengan kaedah fotogrametri
bagi Set 1 (peringkat awal)
Pengukuran
A1-A2
A1-A5
A1-A6
A2-A5
A2-A6
A3-A5
A3-A4
A4-A5
A4-A6
A5-A6
Foto
Microscribe
Kaliper
Laser
(mm)
(mm)
(mm)
(mm)
Foto –
Foto –
Foto -
Microscribe
Kaliper
Laser
(mm)
(mm)
(mm)
95.02
95.27
95.22
97.06
0.25
0.20
2.04
101.04
101.27
101.68
103.78
0.23
0.64
2.75
119.56
119.71
119.16
122.76
0.15
0.40
3.20
118.15
118.58
117.87
122.01
0.43
0.28
3.86
97.29
97.86
101.92
101.06
0.57
4.63
3.77
64.44
64.80
65.21
66.00
0.35
0.77
1.56
55.14
54.93
55.23
55.01
0.21
0.09
0.14
56.48
56.83
57.75
58.82
0.35
1.27
2.35
55.08
55.40
56.15
57.14
0.32
1.07
2.05
45.25
45.01
Purata
44.77
46.29
0.24
0.48
1.04
0.09
0.75
2.25
0.34
1.49
1.24
0.33
1.60
2.54
0.11
2.23
1.53
Sisihan Piawai (σ)
Statistik
RMS
Varian (σ2)
Jadual 6.12: Perbandingan 10 hasil pengukuran linear dengan kaedah fotogrametri
bagi Set 2 (peringkat awal)
Pengukuran
A1-A2
A1-A5
A1-A6
A2-A5
A2-A6
A3-A5
A3-A4
A4-A5
A4-A6
A5-A6
Statistik
Foto
Microscribe
Kaliper
Laser
(mm)
(mm)
(mm)
(mm)
92.39
92.73
92.67
Foto –
Foto –
Foto -
Microscribe
Kaliper
Laser
(mm)
(mm)
(mm)
94.75
0.34
0.28
2.36
93.07
92.91
93.10
96.29
0.16
0.04
3.22
115.47
115.53
115.41
118.75
0.06
0.06
3.27
111.01
111.38
110.93
114.06
0.37
0.08
3.05
90.33
90.91
90.10
82.58
0.59
0.23
7.74
79.31
79.97
79.71
81.49
0.66
0.40
2.18
29.35
29.41
29.64
29.98
0.06
0.29
0.63
51.98
52.59
52.56
53.35
0.62
0.58
1.37
55.68
56.41
56.76
57.07
0.73
1.08
1.39
47.87
47.81
Purata
47.60
48.15
0.06
0.27
0.28
0.32
0.20
1.00
0.33
0.42
3.25
0.44
0.44
3.24
0.11
0.17
10.54
Sisihan Piawai (σ)
RMS
Varian (σ2)
148
Jadual 6.13: Perbandingan 10 hasil pengukuran linear dengan kaedah fotogrametri
bagi Set 3 (peringkat awal)
Pengukuran
A1-A2
A1-A5
A1-A6
A2-A5
Foto
Microscribe
Kaliper
Laser
(mm)
(mm)
(mm)
(mm)
Foto –
Foto –
Foto -
Microscribe
Kaliper
Laser
(mm)
(mm)
(mm)
102.43
102.69
102.51
102.71
0.26
0.08
0.27
101.39
101.76
102.05
100.89
0.37
0.66
0.50
121.85
122.40
122.02
121.85
0.55
0.17
0.00
119.39
119.85
118.97
119.33
0.46
0.42
0.06
94.99
95.73
96.14
96.16
0.74
1.15
1.17
89.08
89.67
90.36
89.43
0.60
1.28
0.35
31.21
31.47
31.54
32.25
0.26
0.34
1.04
59.06
59.90
59.78
58.43
0.84
0.72
0.63
60.94
61.84
62.35
60.46
0.91
1.41
0.47
48.24
48.20
Purata
48.05
47.65
0.04
0.19
0.59
0.49
0.52
0.06
0.29
0.63
0.65
0.57
0.79
0.62
0.09
0.40
0.43
A2-A6
A3-A5
A3-A4
A4-A5
A4-A6
A5-A6
Sisihan Piawai (σ)
Statistik
RMS
Varian (σ2)
Jadual 6.14: Perbandingan 10 hasil pengukuran linear dengan kaedah fotogrametri
bagi Set 4 (peringkat awal)
Penguk
Foto
Microscribe
Kaliper
Laser
uran
(mm)
(mm)
(mm)
(mm)
A1-A2
A1-A5
A1-A6
A2-A5
A2-A6
A3-A5
A3-A4
A4-A5
A4-A6
A5-A6
Statistik
91.65
91.91
92.03
Foto –
Foto –
Foto -
Microscribe
Kaliper
Laser
(mm)
(mm)
(mm)
94.51
0.25
0.38
2.85
86.18
86.68
86.71
89.52
0.50
0.53
3.35
109.40
109.63
109.31
112.88
0.22
0.09
3.48
107.41
107.92
109.19
111.13
0.52
1.78
3.72
87.29
87.78
87.99
90.28
0.49
0.70
2.99
76.34
77.07
77.40
78.86
0.72
1.06
2.52
31.46
30.71
31.39
31.85
0.75
0.07
0.40
47.73
47.83
48.54
49.31
0.10
0.81
1.58
50.13
51.07
50.60
51.74
0.94
0.47
1.61
46.18
45.99
Purata
45.69
47.25
0.20
0.49
1.07
0.28
0.51
2.36
0.48
0.65
1.13
0.54
0.80
2.59
0.23
0.42
1.27
Sisihan Piawai (σ)
RMS
Varian (σ2)
149
Jadual 6.15: Perbandingan 10 hasil pengukuran linear dengan kaedah fotogrametri
bagi Set 5 (peringkat awal)
Penguk
Foto
Microscribe
Kaliper
Laser
uran
(mm)
(mm)
(mm)
(mm)
A1-A2
97.37
A1-A5
A1-A6
A2-A5
A2-A6
A3-A5
A3-A4
A4-A5
A4-A6
A5-A6
97.54
97.35
Foto –
Foto –
Foto -
Microscribe
Kaliper
Laser
(mm)
(mm)
(mm)
100.11
0.17
0.02
2.74
93.93
94.15
94.26
96.86
0.22
0.33
2.92
115.35
115.28
115.13
118.38
0.07
0.22
3.03
115.82
116.42
116.05
119.77
0.60
0.23
3.95
93.35
94.03
93.83
97.08
0.67
0.48
3.72
79.51
79.57
79.61
80.47
0.06
0.10
0.96
33.84
33.99
34.72
32.29
0.15
0.89
1.55
57.17
58.05
57.18
59.38
0.88
0.01
2.21
55.56
56.15
55.79
57.31
0.60
0.24
1.75
47.17
46.87
Purata
46.68
47.75
0.30
0.49
0.58
0.30
0.15
2.03
0.37
0.38
1.67
0.46
0.39
2.57
0.14
0.14
2.78
Sisihan Piawai (σ)
Statistik
RMS
Varian (σ2)
Hasil perbandingan ini menunjukkan kaedah microscribe digitizer dapat
menghasilkan pengukuran yang paling tepat berbanding kaliper dan pengimbas laser.
Ini kerana beza pengukuran bagi kesemua hasil pengukuran yang menggunakan
kaedah microscribe digitizer adalah di bawah 1 mm.
6.4.2
Sisihan Piawai
Dalam Jadual 6.16, kesemua nilai sisihan piawai yang dipaparkan adalah
diperolehi daripada Jadual 6.11 hingga Jadual 6.15. Bagi mendapatkan nilai sisihan
piawai di dalam kajian ini, formula pada persamaan 2.1 (rujuk Seksyen 2.5) telah
digunakan.
Berdasarkan Jadual 6.16 juga, didapati nilai sisihan piawai yang
dihasilkan dengan menggunakan kaedah microscribe digitizer adalah yang paling
150
baik. Kesemua nilai sisihan piawai yang diperolehi dengan menggunakan kaedah ini
mempunyai nilai yang paling kecil iaitu di bawah 0.5 mm jika dibandingkan dengan
kaedah-kaedah lain.
Jadual 6.16: Analisa hasil perbandingan bagi nilai sisihan piawai dan RMS pada
model fizikal
Sisihan Piawai
Set 1
Set 2
Set 3
Set 4
Set 5
RMS
6.4.3
Photo-Micro (mm)
0.34
0.33
0.29
0.48
0.37
0.37
Photo-Kaliper (mm)
1.49
0.42
0.63
0.65
0.38
0.82
Photo-Laser (mm)
1.24
3.25
0.65
1.13
1.67
1.82
Root Mean Square (RMS)
Selain daripada nilai sisihan piawai, nilai bagi RMS juga turut dihitung dan
dibandingkan pada model fizikal. Jadual 6.16 menunjukkan hasil perbandingan bagi
nilai RMS pada model fizikal yang digunakan.
Bagi mendapatkan nilai RMS,
formula pada persamaan 2.2 (rujuk Seksyen 2.5) telah digunakan di dalam kajian ini.
Pengiraan nilai RMS ini melibatkan ketiga-tiga kaedah pengukuran yang
dibandingkan dengan kaedah fotogrametri jarak dekat digital. Hasil yang diperolehi
kemudiannya dibandingkan untuk menentukan kaedah yang dapat menghasilkan
pengukuran yang paling tepat pada model fizikal.
Dengan merujuk Jadual 6.16, didapati nilai RMS bagi pengukuran yang
dihasilkan dengan menggunakan microscribe digitizer adalah yang paling tepat
berbanding pengukuran yang menggunakan kaliper dan juga pengimbas laser. Nilai
RMS yang diperolehi dengan menggunakan kaedah microscribe digitizer adalah 0.37
mm berbanding kaliper sebanyak 0.82 mm dan pengimbas laser sebanyak 1.82 mm.
151
6.5
Perbandingan Di Antara Model Digital Dan Model fizikal
Perbandingan di antara model digital dan model fizikal dilakukan untuk
melihat beza pengukuran bagi kedua-duanya. Walaubagaimanapun, perbandingan
ini hanya melibatkan model digital yang dihasilkan dengan perisian terbaik serta
model fizikal yang dihasilkan dengan kaedah terbaik sahaja. Ini bermakna, hanya
model yang terhasil daripada perisian 3D Slicer dan kaedah microscribe digitizer
sahaja yang digunakan di dalam bahagian ini.
Dalam bahagian ini, sebanyak 36 titik pengukuran (rujuk Jadual 4.2) telah
dicerap manakala 19 pengukuran (rujuk Jadual 4.5) telah dilakukan untuk setiap
model. Rajah 4.4 dan Rajah 4.5 di dalam bab 4 menunjukkan kedudukan bagi
kesemua titik pengukuran yang digunakan di dalam bahagian ini.
Sebanyak lima model digital iaitu model yang terhasil daripada perisian 3D
Slicer dan titik pengukuran 3D yang dihasilkan dengan menggunakan kaedah
microscribe digitizer telah digunakan pada peringkat akhir kajian untuk
dibandingkan perbezaan nilai pengukurannya bagi keduanya. Jadual 6.17 hingga
Jadual 6.21 menunjukkan hasil pengukuran yang telah diperolehi serta perbezaan
bagi nilai pengukuran di antara model digital dengan model fizikal.
152
Jadual 6.17: Perbandingan 19 hasil pengukuran linear di antara model digital dengan
model fizikal bagi Set 1 (peringkat akhir)
Pengukuran
ANS - Pr
AlR - AlL
ANS - Me
GoR - Me
Id - CrbR
Id - Pog
MorL - MorR
Na - ANS
OrL - OrR
OrL - SorL
OrR - SorR
Pog - Me
Pr - Id
SlorL - MorL
SlorR - MorR
ZyR - ZyL
ZfR - ZfL
SlorR - SlorL
SorR - SorL
Purata
Analisa
Sisihan Piawai
Statistik
RMS
Varian
Model Digital
(mm)
13.50
16.63
66.54
88.31
63.75
19.06
19.79
55.52
66.54
36.44
36.29
10.51
25.92
39.29
39.72
89.52
102.57
94.71
62.34
49.84
29.59
57.56
875.43
Model Fizikal
(mm)
14.19
17.05
66.62
87.47
63.57
19.55
19.37
55.09
67.22
36.89
37.09
10.59
26.07
39.98
40.64
89.01
103.4
95.08
62.43
50.07
29.47
57.70
868.48
Beza (mm)
0.69
0.43
0.08
0.84
0.19
0.49
0.42
0.43
0.68
0.45
0.80
0.08
0.15
0.70
0.92
0.51
0.83
0.38
0.09
Jadual 6.18: Perbandingan 19 hasil pengukuran linear di antara model digital dengan
model fizikal bagi Set 2 (peringkat akhir)
Pengukuran
ANS - Pr
AlR - AlL
ANS - Me
GoR - Me
Id - CrbR
Id - Pog
MorL - MorR
Na - ANS
OrL - OrR
OrL - SorL
OrR - SorR
Pog - Me
Pr - Id
SlorL - MorL
SlorR - MorR
ZyR - ZyL
ZfR - ZfL
SlorR - SlorL
SorR - SorL
Purata
Analisa
Sisihan Piawai
Statistik
RMS
Varian
Model Digital
(mm)
14.71
23.54
62.45
80.59
57.83
16.84
21.61
47.49
61.37
34.71
35.23
11.86
23.78
38.34
37.32
93.87
99.73
92.78
59.91
48.10
28.17
55.37
793.73
Model Fizikal
(mm)
14.68
24.11
63.35
80.06
57.29
17.57
22.12
48.09
61.54
34.55
34.26
11.27
24.58
37.92
38.28
94.73
100.60
92.80
58.98
48.25
28.24
55.53
797.22
Beza (mm)
0.03
0.57
0.90
0.53
0.54
0.73
0.51
0.60
0.17
0.16
0.97
0.59
0.80
0.42
0.96
0.86
0.87
0.01
0.93
153
Jadual 6.19: Perbandingan 19 hasil pengukuran linear di antara model digital dengan
model fizikal bagi Set 3 (peringkat akhir)
Pengukuran
ANS - Pr
AlR - AlL
ANS - Me
GoR - Me
Id - CrbR
Id - Pog
MorL - MorR
Na - ANS
OrL - OrR
OrL - SorL
OrR - SorR
Pog - Me
Pr - Id
SlorL - MorL
SlorR - MorR
ZyR - ZyL
ZfR - ZfL
SlorR - SlorL
SorR - SorL
Purata
Analisa
Sisihan Piawai
Statistik
RMS
Varian
Model Digital
(mm)
15.09
21.62
70.27
89.39
70.27
11.39
24.36
47.15
77.88
38.54
37.86
13.31
34.44
39.70
41.52
106.09
109.62
102.45
52.67
52.82
32.22
61.43
1037.97
Model Fizikal
(mm)
15.94
22.17
70.74
88.68
70.31
12.07
24.65
46.43
78.05
37.92
37.16
12.99
35.41
39.96
41.36
106.45
108.99
102.59
52.26
52.85
32.06
61.38
1028.12
Beza (mm)
0.85
0.55
0.46
0.71
0.04
0.68
0.29
0.73
0.16
0.61
0.71
0.31
0.97
0.26
0.16
0.36
0.63
0.14
0.41
Jadual 6.20: Perbandingan 19 hasil pengukuran linear di antara model digital dengan
model fizikal bagi Set 4 (peringkat akhir)
Pengukuran
ANS - Pr
AlR - AlL
ANS - Me
GoR - Me
Id - CrbR
Id - Pog
MorL - MorR
Na - ANS
OrL - OrR
OrL - SorL
OrR - SorR
Pog - Me
Pr - Id
SlorL - MorL
SlorR - MorR
ZyR - ZyL
ZfR - ZfL
SlorR - SlorL
SorR - SorL
Purata
Analisa
Sisihan Piawai
Statistik
RMS
Varian
Model Digital
(mm)
11.22
15.91
55.87
Model Fizikal
(mm)
10.47
16.17
56.58
78.62
58.60
18.10
79.20
58.38
18.83
19.99
48.11
56.53
33.99
35.00
9.72
20.19
35.94
37.03
88.77
102.73
91.72
60.06
46.22
28.64
53.97
820.53
19.80
47.93
56.20
33.70
34.23
10.36
21.00
36.79
37.12
89.16
101.83
91.52
59.55
46.25
28.51
53.94
813.06
Beza (mm)
0.75
0.27
0.71
0.58
0.21
0.73
0.19
0.18
0.32
0.30
0.77
0.64
0.81
0.84
0.09
0.39
0.91
0.20
0.50
154
Jadual 6.21: Perbandingan 19 hasil pengukuran linear di antara model digital dengan
model fizikal bagi Set 5 (peringkat akhir)
Pengukuran
ANS - Pr
AlR - AlL
ANS - Me
GoR - Me
Id - CrbR
Id - Pog
MorL - MorR
Na - ANS
OrL - OrR
OrL - SorL
OrR - SorR
Pog - Me
Pr - Id
SlorL - MorL
SlorR - MorR
ZyR - ZyL
ZfR - ZfL
SlorR - SlorL
SorR - SorL
Purata
Analisa
Sisihan Piawai
Statistik
RMS
Varian
Model Digital
(mm)
16.36
17.00
65.76
81.71
55.43
16.81
18.15
48.82
61.02
34.77
35.58
10.46
26.11
40.15
41.01
98.81
105.45
97.77
47.24
48.34
29.99
56.47
899.38
Model Fizikal
(mm)
16.04
16.97
66.72
82.49
55.57
16.82
17.61
49.01
61.84
34.52
34.76
11.05
26.57
40.89
40.76
99.77
106.09
97.28
46.61
48.49
30.22
56.71
913.05
Beza (mm)
0.31
0.02
0.96
0.78
0.14
0.01
0.54
0.19
0.82
0.25
0.82
0.59
0.46
0.73
0.25
0.97
0.65
0.48
0.63
Rajah 6.13 hingga Rajah 6.17 adalah graf taburan data bagi 19 pengukuran linear
yang dilakukan pada peringkat akhir kajian dengan menggunakan lima set data.
120
100
80
Model Fizikal (mm)
60
Model Digital (mm)
40
20
0
0
5
10
15
20
Rajah 6.13: Graf taburan data hasil pengukuran linear bagi Set 1 (peringkat akhir)
155
120
100
80
Model fizikal (mm)
60
Model Digital (mm)
40
20
0
0
5
10
15
20
Rajah 6.14: Graf taburan data hasil pengukuran linear bagi Set 2 (peringkat akhir)
120
100
80
Model fizikal (mm)
60
Model Digital (mm)
40
20
0
0
5
10
15
20
Rajah 6.15: Graf taburan data hasil pengukuran linear bagi Set 3 (peringkat akhir)
156
120
100
80
Model fizikal (mm)
60
Model Digital (mm)
40
20
0
0
5
10
15
20
Rajah 6.16: Graf taburan data hasil pengukuran linear bagi Set 4 (peringkat akhir)
120
100
80
Model fizikal (mm)
60
Model Digital (mm)
40
20
0
0
5
10
15
20
Rajah 6.17: Graf taburan data hasil pengukuran linear bagi Set 5 (peringkat akhir)
Merujuk kepada hasil pengukuran yang telah diperolehi, perbezaan bagi nilai
pengukuran di antara kesemua model digital yang dibandingkan dengan model
fizikal adalah di bawah 1 mm. Hasil perbandingan di antara 3D Slicer dengan
microscribe digitizer menunjukkan nilai kestabilan pengukuran antara 0.01 mm
hingga 0.97 mm.
157
6.6
Analisa Statistik Bagi Perbandingan Model Digital Dan Model Fizikal
Merujuk kepada hasil pengukuran yang terdapat di dalam Seksyen 6.5, satu
hipotesis telah dibuat untuk membuktikan bahawa ketepatan pengukuran pada model
digital 3D adalah setara dengan ketepatan pengukuran pada model fizikal. Berikut
merupakan hipotesis yang telah dibuat:
H 0 : mDigital = mFizikal
Ketepatan pengukuran pada model digital 3D adalah setara dengan ketepatan
pengukuran pada model fizikal.
H A : mDigital ≠ mFizikal
Ketepatan pengukuran pada model digital 3D adalah tidak setara dengan
ketepatan pengukuran pada model fizikal.
Jadual 6.22 menunjukkan nilai varian yang diperolehi bagi hasil pengukuran
yang ditunjukkan pada Jadual 6.17 hingga Jadual 6.21. Berdasarkan hasil varian
yang diperolehi, analisa telah dilakukan untuk membuktikan bahawa ketepatan
pengukuran pada model digital 3D adalah setara dengan ketepatan pengukuran pada
model fizikal. Analisa yang dilakukan adalah dengan menggunakan F-Test.
Jadual 6.22: Nilai varian yang diperolehi bagi hasil pengukuran model digital dan
model fizikal
Varian
Set 1
Set 2
Set 3
Set 4
Set 5
Model Digital (V1)
875.43
793.73
1037.97
820.53
899.38
Model Fizikal (V2)
868.48
797.22
1028.12
813.06
913.05
158
Jadual 6.23 menunjukkan hasil analisa yang telah diperolehi dengan
menggunakan F-Test. Berdasarkan jadual F-Test, nilai purata bagi lima set varian
daripada model digital adalah 885.408 mm manakala model fizikal adalah 883.986
mm. Nilai varian bagi model digital pula adalah 9045.98792 mm manakala model
fizikal adalah 8604.64958 mm bagi lima set pengukuran yang digunakan. Nilai df
(degree of freedom) yang terdapat di dalam jadual F-Test adalah 4 bagi model digital
dan juga model fizikal. Df merupakan n-1 di mana, n adalah bilangan set cerapan.
Nilai F yang dihitung pula adalah 1.051290681 mm manakala nilai F daripada jadual
adalah 6.388232909 mm. Nilai P (probabiliti) yang diperolehi daripada analisa ini
adalah 0.481250832 mm.
Jadual 6.23: Hasil analisa bagi model digital dan model fizikal menggunakan F-Test
F-Test Bagi Dua Sampel Varian
Purata
Varian
Set Cerapan
df (degree of freedom)
F (dihitung)
P(F<=f) one-tail
F (jadual)
Model Digital (V2) Model Fizikal (V1)
885.408
883.986
9045.98792
8604.64958
5
5
4
4
1.051290681
0.481250832
6.388232909
Berdasarkan hasil analisa F-Test yang diperolehi daripada Jadual 6.23, nilai F
yang dihitung adalah lebih kecil daripada nilai F daripada jadual. Maka hipotesis H0,
ketepatan pengukuran pada model digital 3D adalah setara dengan ketepatan
pengukuran pada model fizikal telah diterima.
159
6.7
Rumusan
Bab ini menerangkan mengenai hasil yang telah diperolehi di dalam kajian
serta analisis yang telah dilakukan. Merujuk kepada perbandingan bagi model digital
yang telah dilakukan, dapat disimpulkan bahawa perisian 3D Slicer dapat
menghasilkan model digital 3D yang lebih baik bagi craniofacial tisu keras manusia
berbanding perisian 3D Doctor dan RapidForm2004. Manakala bagi perbandingan
di antara model fizikal pula, analisa yang dilakukan menunjukkan bahawa kaedah
microscribe digitizer dapat menghasilkan pengukuran yang lebih tepat bagi model
fizikal berbanding kaedah lain. Akhir sekali, pengukuran bagi model digital yang
menggunakan perisian terbaik telah dibandingkan dengan pengukuran bagi model
fizikal yang menggunakan kaedah terbaik untuk melihat beza bagi hasil pengukuran
yang diperolehi.
BAB 7
KESIMPULAN DAN CADANGAN
7.1
Pendahuluan
Bab ini terbahagi kepada tiga bahagian. Bahagian pertama iaitu kesimpulan
diikuti dengan sumbangan kajian dan akhir sekali adalah cadangan bagi kajian ini
untuk masa akan datang.
7.2
Kesimpulan
Merujuk kepada objektif pertama di dalam kajian ini (rujuk Seksyen 1.3),
model digital 3D bagi craniofacial tisu keras manusia telah dibangunkan dengan
menggunakan tiga perisian iaitu RapidForm2004, 3D Doctor dan 3D Slicer.
Kesemua model yang dibangunkan ini telah dibandingkan dengan model digital
piawai daripada perisian MIMICS yang dijadikan sebagai gold standard.
Perbandingan ini merangkumi perbezaan nilai sisihan piawai, RMS, varian dan
pengukuran. Bagi perbandingan nilai sisihan piawai, model digital 3D Slicer (0.40
161
mm) menunjukkan nilai yang paling rendah berbanding model digital 3D Doctor
(0.56 mm) dan model digital RapidForm2004 (1.27 mm). Hasil perbandingan bagi
RMS pula menunjukkan model digital 3D Slicer (0.47 mm) telah memperolehi nilai
yang paling rendah berbanding model digital 3D Doctor (0.80 mm) dan model digital
RapidForm2004 (1.27 mm).
Manakala hasil perbandingan bagi varian turut
menunjukkan bahawa model digital 3D Slicer (0.22 mm) mempunyai nilai varian
yang paling rendah berbanding model digital 3D Doctor (0.64 mm) dan model digital
RapidForm2004 (1.62 mm).
Dalam kajian ini, analisa statistik (F-Test) turut dilakukan untuk
membuktikan bahawa perisian 3D Slicer adalah perisian yang setara dengan perisian
3D Doctor. Analisa ini dilakukan berdasarkan nilai varian yang didapati daripada
hasil pengukuran yang telah diperolehi. Hasil perbandingan menunjukkan nilai F
(dihitung) adalah lebih kecil daripada nilai F (jadual). Maka hipotesis H0, ketepatan
model digital 3D yang dihasilkan daripada perisian 3D Slicer adalah setara dengan
ketepatan model digital 3D yang dihasilkan daripada perisian 3D Doctor adalah
diterima. Setelah semua perbandingan dilakukan, dapat dirumuskan bahawa perisian
3D Slicer telah menghasilkan model digital 3D yang paling baik berbanding perisian
RapidForm2004 dan 3D Doctor.
Seterusnya, objektif kedua (rujuk Seksyen 1.3) pula adalah bertujuan bagi
membandingkan teknik-teknik baru untuk menentukan pengukuran linear pada
model digital 3D dan model fizikal bagi tisu keras manusia serta menganalisa hasil
pengukuran yang telah diperolehi. Dalam kajian ini, beberapa kaedah baru telah
digunakan untuk menentukan pengukuran linear pada model digital 3D dan model
fizikal iaitu kaedah fotogrametri jarak dekat digital, microscribe digitizer dan juga
imbasan laser. Kaedah imbasan CT dan juga kaliper turut diaplikasikan di dalam
kajian ini.
Dengan menggunakan model fizikal, kaedah imbasan CT, microscribe
digitizer, imbasan laser dan kaliper telah dibandingkan dengan kaedah fotogrametri
jarak dekat digital yang dijadikan sebagai gold standard. Perbandingan dilakukan
bertujuan untuk mendapatkan perbezaan bagi hasil pengukuran, sisihan piawai dan
RMS bagi menentukan kaedah yang paling baik. Perbandingan hasil pengukuran
162
menunjukkan bahawa beza pengukuran bagi kesemua hasil pengukuran yang
menggunakan microscribe digitizer adalah yang paling rendah iaitu di bawah 1 mm
berbanding kaedah lain.
Bagi perbandingan sisihan piawai pula, microscribe
digitizer telah memberikan nilai sisihan piawai yang paling rendah iaitu di bawah 0.5
mm berbanding kaliper dan pengimbas laser. Selain itu, perbandingan nilai RMS
menunjukkan microscribe digitizer (0.37 mm) telah menghasilkan nilai RMS yang
paling rendah berbanding kaliper (0.82 mm) dan pengimbas laser (1.82 mm).
Daripada hasil yang diperolehi, dapat dirumuskan bahawa microscribe digitizer telah
menghasilkan beza pengukuran, sisihan piawai dan RMS yang paling rendah
berbanding kaliper dan pengimbas laser serta kaedah microscribe digitizer ini juga
merupakan kaedah yang paling tepat .
Kemudian, model digital 3D yang dihasilkan daripada perisian terbaik iaitu
model 3D Slicer telah dibandingkan pula dengan model fizikal yang dihasilkan
dengan menggunakan kaedah terbaik iaitu kaedah microscribe digitizer. Sebanyak
19 pengukuran telah dilakukan untuk setiap set data dan proses pengukuran telah
diulang sebanyak lima kali bagi setiap set data untuk mendapat data yang jitu.
Daripada hasil pengukuran yang dibandingkan, didapati perbezaan bagi nilai
pengukuran di antara model digital 3D terbaik dengan model fizikal menggunakan
kaedah terbaik adalah rendah iaitu di bawah 1 mm.
Seterusnya, analisa statistik (F-Test) turut dilakukan untuk membuktikan
bahawa ketepatan pengukuran pada model digital 3D adalah setara dengan ketepatan
pengukuran pada model fizikal. Analisa ini dilakukan berdasarkan nilai varian yang
didapati daripada hasil pengukuran yang telah diperolehi.
Hasil perbandingan
menunjukkan nilai F (dihitung) adalah lebih kecil daripada nilai F (jadual). Maka
hipotesis H0, ketepatan pengukuran pada model digital 3D adalah setara dengan
ketepatan pengukuran pada model fizikal adalah diterima.
Seterusnya, maklumat bagi titik pengukuran, hasil pengukuran serta beza
pengukuran disimpan di dalam sebuah pangkalan data ringkas yang dibangunkan
dengan menggunakan perisian Microsoft Access 2003. Pangkalan data ini juga turut
menyimpan data pesakit dan juga imej bagi model yang dihasilkan di dalam bentuk
2D. Pangkalan data ini dibangunkan untuk digunakan di dalam kajian ini sahaja.
163
7.3
Cadangan
Cadangan yang boleh dibuat untuk kajian ini diteruskan pada masa hadapan
adalah seperti berikut :
1) Proses cerapan titik pengukuran dilakukan terlebih dahulu pada model digital
3D sebelum penghasilan model fizikal.
Cerapan titik ini adalah penting
untuk meningkatkan ketepatan bagi kedudukan titik pengukuran pada model
digital dan model fizikal. Proses ini bertujuan agar kedudukan bagi titik
pengukuran tidak berubah serta proses penandaan titik tidak berulang.
2) Membangunkan sebuah pangkalan data yang lebih lengkap dalam bentuk 3D
bagi caniofacial tisu keras.
Pangkalan data tersebut bukan sahaja dapat
menyimpan data bagi tisu keras malah data tisu lembut juga dapat disimpan
di dalamnya.
164
RUJUKAN
Alvin, W.K.S., Zhang, Y., Edmond C.P., Chan, T.K.Y. dan Eric S. (2002). Texture
Mapping of 3D Human Face for Virtual Reality Environments. International
Journal of Information Technology. 8(2): 55-65.
Cardenas, A.F., Ieong, I.T., Barker. R., Taira, R.K. dan Breant, C.M. (1993). The
Knowledge Based Object-Oriented PICQUERY+ Language. IEEE Transaction
Knowledge and Data Engineering. 5(4): 644-657.
Chen, P.P (1976). ACM Transactions on Database Systems (TODS). International
Conference On Very Large Data Bases. 22-24 September. New York, United
States: ACM Press, 9-36.
Hager, J. C. (1995). Talking Heads: Physical, Linguistic and Cognitive Issues in
Facial Animation. Course Notes, Computer Graphics International.
D’Apuzzo, Nicolla (1998). Automated Photogrammetric Measurement of Human
Faces. International Achievers of Photogrammetry and Remote Sensing. 32(B5):
402-407.
Dean, F.S., Brian, L.H., Ted, P., John, H., Holly, J. dan Mark, C.H., (2002). A
Clinical Information System Research Landscape. The Permanente Journal.
6(2): 62-68.
Farkas, L. G. dan Munro, I. R. (1987). Anthropometric Facial Proportions in
Medicine. Charles C Thomas: Springfield.
165
Furukawa, H., Endo, M., Aramaki, T., Morimoto, N., Uematsu, T., Yukizawa, S. dan
Yuen, S. (2004). Picture Archiving and Communication System Introduced to a
New Japanese Cancer Center Hospital. Japanese Journal of Clinical Oncology.
34(7): 425-428.
Hannam, A.G dan Wood, W.W. (1989). Relationships Between The Saiz And Spatial
Morphology Of Human Masseter And Medical Pterygoid Muscles, The
Craniofacial Skeleton And Jaw Biomechanics. Am J Phys Anth. 80:429.
Karangelis, G. dan Zimeras, S. (2005). A 3D Segmentation Method of the Spinal
Cord Applied on CT Data.
Kitai, N., Fujii, Y., Murakami, S., Furukawa, S., Kreiborg, S. dan K. Takada (2002).
Human Masticatory Muscle Volume and Zygomatico-mandibular Form in Adults
with Mandibular Prognathism. Journal of Dental Research. 81(11): 752-756.
Kolar, J. C. dan Salter, E. M. (1997). Craniofacial Anthropometry ; Practical
Measurement of the Head and Face for Clinical, Surgical and Research Use.
Springfield, USA: Charles C. Thomas Publisher Ltd.
Lee, M.Y., Chang, C.C., Lin, C.C., Lo, L.J. dan Chen, Y.R. (2003). T Medical Rapid
Prototyping in Custom Implant Design For Craniofacial Reconstruction. IEEE
International Conference On Systems, Man And Cybernetics. 5-8 Oktober.
Washington, DC, United States: IEEE, 2903-2908.
Lee, S.H dan Rao, K.C.V.G (1987). Cranial Computed Tomography And MRI.
Second Edition. NY: McGraw Hill Book Co.
Lo, L.J dan Chen, Y.R (2003). Three-Dimensional Computed Tomography Imaging
in Craniofacial Surgery: Morphological Study and Clinical Applications. Chang
Gung Medical Journal. 26(1): 1.
Materialise. MIMICS. [Online] Available
http://www.materialise.com/mimics/mimbase_ENG.html, 15 May 2005.
166
Mazzoli, A., Germani, M. dan Moriconi,G. (2006). Influence of Different
Manufacturing Techniques and Materials on the Accuracy of Anatomical SFF
Models Derived from CT Data. The IASTED Conference on Biomedical
Engineering, Innsbruck, Austria.
Modder, U., Lenz, M. dan Steinbrich, W. (1987). MRI Of Facial Skeleton And
Parapharyngeal Space. Eur J Radiol. 7:6.
Mohd Farid Bin Mohd Ariff (2005). Reka Bentuk Dan Kalibrasi Prototaip Bagi
Sistem Perolehan Imej-Stereo Untuk Aplikasi Craniofacial. Universiti Teknologi
Malaysia: Tesis Sarjana Sains Geomatik.
Mohd Kamil Fazli, Halim Setan dan Zulkepli Majid (2006). Craniofacial
Anthropometry: Measurement Comparison Between Contact And Non-Contact
Method. International Symposium and Exhibition on Geoinformation. Subang
Jaya, Selangor, 19-21 September.
Nagasaka, S., Fujimura, T. dan Segoshi, K., (2003). Development Of A NonRadiographic Cephalometric System. European Journal of Orthodontics. 25:
77-85.
Poed, L.B., Hochauser, L., Bryke, C., Streeten, B.W. dan Sloan, J. (1992). Proboscis
Lateralis With Associated Orbital Cyst: Detailed MRI and CT Imaging And
Corralative Embryopathy. Am J Neuroradiol. 13:1471.
RapidForm2004 (2003). Users Manual. Inus Technology, Inc., Seoul, Korea.
Slicer. 3D Slicer. [Online] Available
http://www.slicer.org/, 26 November 2004.
Smith, L.I. (2002). A Tutorial On Principal Component Analysis. [Online] Available
http://csnet.otago.ac.nz/cosc453/student_tutorials/principal_components.pdf, 7
Disember 2005.
167
Spronsen, P.H.V., Weijs, W.A., Valk, J., Prahl-Andersen, B. dan Van Ginkel, F.C.
(1991). Relationships Between Jaw Muscle Cross-Sections And Craniofacial
Morphology In Normal Adults, Studied With Magnetic Resonance Imaging. Eur
J Orthod. 13:351.
Viðarsdóttir, Una Strand, O'Higgins, Paul dan Stringer, Chris (2002). A Geometric
Morphometric Study Of Regional Differences In The Ontogeny Of The Modern
Human Facial Skeleton. Journal of Anatomy. 201(3): 211–229.
Wan Abdul Rahman Wan Harun, Zainul Ahmad Rajion, Izhar Abdul Aziz dan Abdul
Rani Samsudin (2005). 3D CT Imaging for Craniofacial Analysis Based on
Anatomical Regions. Engineering in Medicine and Biology 27th Annual
Conference. Shanghai, China, 1-4 September.
Webster, N. (1995). Webster’s 1913 Dictionary. Israel: VERY Ltd.
West, Jamey dan Coronado, Lisa (2003). Medical and Dental Issues - Diagnostic X
Ray and CT. http://hps.org/publicinformation/ate/q2372.html, 26 Jun 2005.
Wikipedia. Root Mean Square. [Online] Available
http://en.wikipedia.org/wiki/Root_mean_square, 7 Disember 2005
Zakiah Abdul Majid @ Zakaria, Halim Setan, Zulkepli Majid, Albert K.Chong dan
Anuar Ahmad (2004). Texture Mapping For 3D Craniofacial Surface Model:
Preliminary Results. International Symposium and Exhibition on
Geoinformation. Kuala Lumpur, 21-23 September.
Zie Zie Azeanty Binti Mohamed Tahir (2004). Pembangunan Pangkalan Data GIS
Bagi Pengurusan Maklumat Tanih (Kajian Kes : Johor). Universiti Teknologi
Malaysia: Tesis Ijazah Sarjana Muda Sains Geoinformatik.
168
LAMPIRAN A
Penghasilan Model Digital 3D Menggunakan Perisian RapidForm2004
Langkah Pertama
Dalam Rajah A1, pilih 3D Imaging Workbench untuk memproses imej 2D dalam
format DICOM kepada imej 3D bagi data yang diperolehi daripada imbasan CT.
Kemudian, pilih submenu Open Dicom yang terdapat pada menu File untuk
mengimport fail DICOM yang menyimpan imej-imej yang ingin digunakan.
Submenu
Open Dicom
Pilih
3D Imaging
Workbench
Rajah A1: 3D Imaging Workbenches
Rajah A2 menunjukkan lokasi bagi data-data imbasan CT yang ingin digunakan
setelah butang Open Dicom dipilih. Tandakan di dalam petak Use Slice Thickness
Information dan Select All Files. Seterusnya tekan butang Open.
169
Tandakan
Rajah A2: Import fail DICOM
Langkah Kedua
Rajah A3 menunjukkan paparan yang dikeluarkan setelah butang Open pada Rajah
A2 dipilih. Pada menu General, terdapat maklumat volume yang dipaparkan pada
bahagian Volume Information. Pada bahagian Level of Detail Control pula, tandakan
kesemua petak yang telah disediakan. Seterusnya, pilih Middle Rate yang terdapat
pada bahagian Interaction Level. Pada bahagian Ray Blending Function, pilih Use
Composite Blending Function. Dalam bahagian Annotations pula, tandakan kesemua
petak yang terdapat di dalamnya. Akhir sekali, pilih 1 pada ruangan Sampling Rate
of Volume (3 Axes) yang terdapat pada bahagian Subsampling.
170
Rajah A3: Menu General
Langkah Ketiga
Paparan pada Rajah A4 menunjukkan hasil proses segmentasi yang dilakukan pada
bahagian Segmentation. Pada bahagian 3D Threshold Filter, pilih Between yang
terdapat pada Select Matching Scalar Value. Bottom Value dan Top Value pula
merupakan nilai julat bagi tisu keras yang ingin dipaparkan iaitu nilai minimum dan
nilai maksimum. Dalam kajian ini, nilai Bottom Value yang digunakan ialah 3155
manakala nilai Top Value pula adalah 6094.
Pada bahagian Slice Image pula,
terdapat scroll bar pada Z Axis, X Axis dan Y Axis yang berfungsi untuk memaparkan
kedudukan bagi imej. Scroll bar tersebut boleh digerakkan samada ke kiri atau ke
kanan. Selepas proses segmentasi dilakukan, imej yang dihasilkan adalah tisu keras
sahaja seperti yang terdapat di dalam Rajah A4.
171
Rajah A4: Menu Segmentation
Langkah Keempat
Dalam Rajah A5, menu VOI (Volume of Interest) berfungsi untuk mendapatkan
bahagian data tisu keras yang diperlukan sahaja serta membuang bahagian-bahagian
data yang tidak diperlukan. Scroll bar yang terdapat pada bahagian Cut Volume
digerakkan ke kiri dan ke kanan berfungsi untuk membuang bahagian-bahagian yang
tidak diperlukan. Rajah A5 juga menunjukkan bahagian imej yang terdapat di
dalam kotak hijau adalah bahagian yang diperlukan manakala bahagian imej yang
terdapat diluar pada kota hijau adalah bahagian yang tidak diperlukan dan hendak
dibuang.
172
Rajah A5: Menu Volume of Interest
Langkah Kelima
Seterusnya, pilih sub menu Generate Polygonal Isosurface yang terdapat di dalam
menu 3D Imaging pada Rajah A6.
Rajah A6: Sub menu Generate Polygonal Isosurface
173
Rajah A7 pula menunjukkan model 3D bagi craniofacial tisu keras manusia yang
telah dihasilkan.
Rajah A7: Model 3D yang dihasilkan
Pada menu 3D Imaging yang terdapat di dalam Rajah A8 pilih sub menu Make
Shell.
Kemudian, tetingkap Make Shell Option yang terdapat pada Rajah A9
dikeluarkan. Kosongkan pada bahagian Use Polygonal VOI Information dan tekan
butang OK.
Rajah A8: Sub menu Make Shell
174
Rajah A9: Tetingkap Make Shell Option
Setelah butang OK ditekan, paparan bagi model 3D yang terhasil ditunjukkan seperti
yang terdapat pada Rajah A10. Modelyang dipaparkan ini adalah berbentuk point
set.
Rajah A10: Model 3D yang dihasilkan di dalam bentuk point set
Berdasarkan Rajah A11, klik kanan pada model yang dihasilkan dengan
menggunakan tetikus. Pilih Display Mode dan seterusnya pilih Shaded.
175
Rajah A11: Menu menukar model berbentuk point set kepada shaded
Rajah A12 menunjukkan model 3D yang dihasilkan dengan menggunakan perisian
RapidForm2004 di dalam kajian ini. Model ini dipaparkan di dalam bentuk shaded.
Rajah A12: Model 3D yang dihasilkan
176
LAMPIRAN B
Penghasilan Model Digital 3D Menggunakan Perisian 3D Doctor
3D Doctor merupakan sebuah perisian 3D yang dikeluarkan oleh Able Software
Corp. Dalam kajian ini, perisian 3D Doctor telah digunakan untuk memproses datadata imbasan CT bagi craniofacial tisu keras manusia.
Langkah 1
Setelah perisian 3D Doctor dibuka, satu tetingkap dikeluarkan seperti pada Rajah B1
iaitu 3D Doctor Assistant. Ambil pilihan yang pertama dan tekan butang Next.
Rajah B1: Tetingkap 3D Doctor Assistant
177
Paparan pada Rajah B2 ditunjukkan setelah butang Next ditekan. Pilih butang Add
Files untuk mencari kedudukan fail DICOM bagi imej imbasan CT yang ingin
digunakan. Rajah B3 dipaparkan setelah pengguna menekan butang Add Files.
Pilih
Add Files
Rajah B2: Tetingkap Create 3D Image Stack
Rajah B3: Tetingkap Open
178
Pada Rajah B3, pilih butang Select All dan kemudian tekan butang Open. Kesemua
data di dalam fail DICOM yang dipilih seterusnya dipaparkan seperti yang terdapat
di dalam Rajah B4.
Paparan senarai data
Rajah B4: Senarai data di dalam fail DICOM yang dipilih
Rajah B5 menunjukkan tetingkap Save As yang dikeluarkan setelah butang Save List
yang terdapat di dalam Rajah B4 dipilih. Tentukan lokasi bagi tempat penyimpanan
fail dan masukkan nama bagi fail serta jenis format yang ingin disimpan. Kemudian,
tekan butang Save.
Butang Save
Nama dan
jenis fail
Rajah B5: Tetingkap Save As
179
Rajah B6 menunjukkan hasil yang diperolehi selepas butang Open pada Rajah B4
ditekan. Paparan pada Rajah B6 menunjukkan imej-imej yang diperolehi daripada
fail DICOM dan digunakan di dalam kajian ini untuk menghasilkan model digital
3D. Kesemua imej ini disimpan di dalam format Image List (*.lst).
Rajah B6: Data di dalam bentuk potongan imej 2D
Langkah Kedua
Pada menu Image yang terdapat di dalam Rajah B7, pilih Sharpen. Kemudian, satu
tetingkap Save As dikeluarkan di mana pengguna dikehendaki menyimpan imej
tersebut ke dalam fail yang berformat Tagged Image File Format atau TIFF (*.tif).
180
Rajah B7: Sub menu Sharpen
Rajah B8 pula menunjukkan hasil yang diperolehi setelah sub menu Sharpen dipilih.
Menu ini berfungsi untuk mendapatkan imej yang lebih jelas dengan menggunakan
sharpen filter.
Rajah B8: Hasil selepas memilih sub menu Sharpen
181
Langkah Ketiga
Pada Rajah B9, pilih Classify yang terdapat di dalam menu Image. Seterusnya
tetingkap Image Classification Dialog dipaparkan seperti pada Rajah B10.
Rajah B9: Sub menu Classify
Pengguna dikehendaki memasukkan Number of Classes iaitu 3 dan No. of Iterations
iaitu 10. Kemudian, tekan butang Apply dan seterusnya butang OK. Setelah butang
OK ditekan, sekali lagi pengguna dikehendaki menyimpan imej yang dihasilkan di
dalam format TIFF.
Rajah B10: Image Classification Dialog
182
Rajah B11 menunjukkan hasil yang diperolehi setelah klasifikasi pada imej
dilakukan. Klasifikasi imej ini dilakukan bertujuan untuk mengkelaskan pikselpiksel pada imej (grayscale & warna) ke dalam kumpulan warna yang berasingan
berdasarkan kepada maklumat tekstur dan warna dengan menggunakan clustering
algorithm.
Rajah B11: Hasil selepas klasifikasi imej dilakukan
Langkah Keempat
Pada menu Image, pilih Process dan seterusnya pilih Map Pixel Values seperti yang
ditunjukkan di dalam Rajah B12. Kemudian, satu tetingkap iaitu Map Pixel Values
dipaparkan seperti pada Rajah B13. Map Pixel Values berfungsi untuk menukarkan
julat bagi nilai-nilai piksel kepada nilai yang baru.
183
Rajah B12: Sub menu Map Pixel Values
Pada Rajah B13, nilai yang dimasukkan bagi Min adalah 0 dan Max adalah 2112
bagi nilai julat yang asal.
Manakala bagi nilai yang baru, masukkan nilai 0.
Seterusnya tekan butang OK.
Rajah B13: Tetingkap Map Pixel Values
184
Rajah B14 menunjukkan hasil yang diperolehi setelah julat bagi nilai piksel
ditukarkan. Hanya bahagian yang mengandungi tisu keras sahaja yang dipaparkan
pada perisian ini.
Rajah B14: Hasil selepas nilai piksel dimasukkan
Langkah Kelima
Pada Rajah B15, pilih Interactive Segmentation yang terdapat di dalam menu 3D
Rendering.
Rajah B15: Sub menu Interactive Segmentation
185
Rajah
B16
menunjukkan
tetingkap
yang
dikeluarkan
setelah
Interactive
Segmentation dipilih. Pada bahagian Image Threshold, masukkan nilai bagi Min
iaitu 200 manakala nilai Max adalah 4096. Kotak yang terdapat pada Show Image
juga turut ditanda. Kemudian, setkan Outline Only pada bahagian Boundary Type.
Seterusnya, kotak yang terdapat pada bahagian Segment Image Planes iaitu Smooth
Image dan Use Connectivity turut dianda.
Rajah B16: Tetingkap Interactive Segmentation
Akhir sekali, tekan butang Segment All yang terdapat pada bahagian Segment Image
Planes. Paparan pada Rajah B17 dikeluarkan setelah butang Segment All ditekan.
Seterusnya pilih butang Yes. Rajah B18 menunjukkan hasil proses segmentasi yang
telah dilakukan.
Rajah B17: Tetingkap untuk mengesahkan proses segmentasi
186
Rajah B18: Hasil proses segmentasi
Langkah Keenam
Dalam Rajah B19, pilih sub menu Surface Rendering yang terdapat di dalam menu
3D Rendering. Kemudian pilih Simple Surface untuk menghasilkan model 3D bagi
data-data yang telah disegmentasikan.
Rajah B19: Sub menu Simple Surface
187
Rajah B20 merupakan model 3D yang telah dihasilkan dengan menggunakan
perisian 3D Doctor.
Rajah B20: Model digital 3D yang dihasilkan
188
LAMPIRAN C
Penghasilan Model Digital 3D Menggunakan Perisian 3D Slicer
Perisian 3D Slicer merupakan perisian 3D yang boleh dimuat turun dari internet
secara percuma. Berikut merupakan langkah-langkah bagi proses penghasilan model
digital 3D bagi craniofacial tisu keras manusia yang telah dilakukan di dalam kajian.
Langkah Pertama
Pengguna dikehendaki memilih butang Volumes yang terdapat di dalam Rajah C1.
Seterusnya, pilih format bagi fail yang menyimpan data imbasan CT iaitu format
DICOM yang terdapat pada bahagian Properties.
Butang Volumes
Pilih DICOM
Rajah C1: Paparan menu bagi Volumes
189
Selepas itu, butang Select DICOM Volumes yang terdapat di dalam Rajah C2 dipilih
untuk mendapatkan fail berformat DICOM yang menyimpan imej-imej imbasan CT
berbentuk 2D.
Pilih Select
DICOM Volume
Rajah C2: Select DICOM Volume
Setelah butang Select DICOM Volumes dipilih, satu tetingkap iaitu Browse for
Folder yang terdapat pada Rajah C3 dipaparkan untuk pengguna mencari lokasi
penyimpanan data imbasan CT yang ingin digunakan.
190
Rajah C3: Tetingkap Browse for Folder
Setelah lokasi bagi data yang ingin digunakan ditentukan, tekan butang OK. Rajah
C4 menunjukkan tetingkap List of DICOM Study yang paparkan apabila butang OK
dipilih. Tetingkap ini memaparkan senarai bagi kesemua imej yang terdapat di
dalam fail DICOM yang dipilih.
Senarai
imej
Rajah C4: Paparan senarai imej yang disimpan di dalam fail DICOM yang dipilih
191
Setelah butang OK pada Rajah C4 ditekan, senarai kesemua imej yang dipilih
dipaparkan seperti di dalam Rajah C5. Paparan ini juga menunjukkan maklumatmaklumat bagi imej yang dipilih seperti nama pemilik imej tersebut serta kaedah
yang digunakan bagi mendapatkan imej tersebut. Seterusnya tekan butang Header
pada paparan tersebut.
Butang Header
Senarai imej
Nama pemilik
Kaedah
Rajah C5: Maklumat bagi imej yang disenaraikan
Setelah butang Header ditekan, paparan seperti pada Rajah C6 dihasilkan di mana
paparan ini merangkumi maklumat seperti saiz imej, saiz pixel, saiz ketebalan bagi
potongan imej, jenis skala dan sebagainya. Seterusnya butang Apply yang terdapat
pada Rajah C6 ditekan untuk melihat imej bagi setiap slice dari pandangan axial,
sagittal dan coronal seperti dalam Rajah C7.
192
Maklumat bagi imej
Butang Apply
Rajah C6: Maklumat potongan imej
Axial
Sagittal
Coronal
.
Rajah C7: Imej pandangan axial, sagittal dan coronal
193
Langkah Kedua
Pilih butang Editor yang terdapat di dalam Rajah C8. Pada bahagian Setup pula,
pilih butang Start Editing untuk melihat menu Editor seperti di dalam Rajah C9.
Butang Editor
Butang Start Editing
Rajah C8: Memulakan pengeditan
Menu Editor
Rajah C9: Menu Editor
194
Dalam Rajah C9, pilih butang Threshold (Th) pada menu Editor.
paparan pada Rajah C10 akan ditunjukkan.
Seterusnya,
Pilih butang Output untuk memilih
Color dan Label bagi model yang ingin dihasilkan. Rajah C11 menunjukkan di
antara warna-warna yang disediakan di dalam butang Output.
Butang Threshold
Butang Output
Julat antara nilai minimum dan
nilai maksimum bagi tisu keras
Rajah C10: Threshold
Rajah C11: Pilihan warna pada butang Output
195
Pada menu Threshold di dalam Rajah C10 juga, pengguna dikehendaki
memasukkan julat di antara nilai minimum (L0) dan nilai maksimum (H1) bagi tisu
keras. Bagi memproses tisu keras pada craniofacial manusia, nilai yang digunakan
bagi L0 ialah 1284 dan H1 ialah 4095. Nilai yang dipilih ini dapat memaparkan hanya
tisu-tisu keras yang terdapat pada bahagian kepala dan muka manusia seperti pada
Rajah C12.
Rajah C12: Proses thresholding
Seterusnya, pada Rajah C10 juga butang Original pada bahagian Input Volume
dipilih. Pada bahagian Scoope dan Interact pula, pilih butang 3D. Kemudian, tekan
butang Apply dan seterusnya butang Working untuk melihat hasil yang diperolehi
iaitu seperti pada Rajah C13.
196
Rajah C13: Hasil selepas proses threshold dilakukan
Langkah Ketiga
Pilih butang Change Island (CI) yang terdapat di dalam menu Editor. Change Island
pada Rajah C14 adalah berfungsi untuk memilih bahagian-bahagian data yang tidak
diperlukan. Bahagian tersebut ditukarkan dengan warna yang berbeza dengan warna
pada bahagian data yang diperlukan.
Butang Change Island
Butang New Label
Rajah C14: Change Island
197
Merujuk Rajah C14, butang New Label menyediakan pilihan warna seperti yang
ditunjukkan pada Rajah C11. Pilihan warna ini disediakan untuk pengguna memilih
warna yang berbeza pada bahagian data-data yang tidak diperlukan dan ingin
dibuang.
Rajah C15 menunjukkan perbezaan warna bagi bahagian data yang diperlukan serta
bahagian data yang tidak diperlukan. Bahagian yang ingin dibuang diwarnakan
dengan warna avery manakala bahagian yang diperlukan diwarnakan dengan warna
mambazo.
Rajah C15: Perbezaan warna bagi bahagian data yang diperlukan (mambazo)
dengan bahagian data yang tidak diperlukan (avery)
Rajah C16 menunjukkan menu ModelMaker yang berfungsi untuk menghasilkan
model digital 3D bagi craniofacial tisu keras manusia. Pada butang Label, pilih
warna bagi bahagian data yang dikehendaki iaitu warna mambazo. Seterusnya nama
bagi model yang ingin dihasilkan dimasukkan pada bahagian Name.
198
Rajah C16: ModelMaker
Dalam Rajah C17 pula, ruangan pada bahagian Volume hendaklah ditukar kepada
Working terlebih dahulu sebelum butang Create dipilih.
Pilih Working
Rajah C17: Ruangan Volume
199
Rajah C18 merupakan model digital 3D bagi tisu keras yang telah dihasilkan setelah
butang Create dipilih.
Rajah C18: Model digital 3D bagi tisu keras yang dihasilkan
Rajah C19 pula menunjukkan model disimpan pada bahagian Save yang terdapat di
dalam menu ModelMaker. Setelah nama fail dimasukkan pada bahagian File Prefix,
pilih butang Save untuk menyimpan model yang dihasilkan pada Rajah C18. Model
yang dihasilkan disimpan di dalam format vtk.
Bahagian Save
Nama Fail
Rajah C19: Menyimpan model
200
LAMPIRAN D
Sumbangan Kajian
Sepanjang kajian ini dijalankan, terdapat beberapa sumbangan dan pencapaian
yang telah dicapai iaitu:
1) Kutipan data pesakit di Hospital Universiti Sains Malaysia (HUSM) Kubang
Kerian telah berjaya mengumpul sebanyak 76 data pesakit dengan
menggunakan imbasan CT. Dalam kajian ini, sebanyak lima data pesakit
yang terbaik telah dipilih. Data yang dipilih di dalam kajian ini adalah terdiri
daripada data pesakit dewasa yang normal dan mempunyai imej imbasan CT
2D yang meliputi keseluruhan bahagian kepala manusia.
2) Data-data yang telah diperolehi telah digunakan untuk tujuan analisis
kuantitatif bagi pembedahan muka serta tujuan pembangunan pengkalan data
craniofacial.
3) Penghasilan dan pembentangan kertas penyelidikan di seminar-seminar
berkaitan bertujuan untuk mempromosikan dan memperkenalkan kajian yang
telah dibuat. Ini penting bagi mendapatkan pandangan, pendapat dan idea
daripada penyelidik-penyelidik dari dalam mahupun luar negara.