Pendahuluan
Penyakit jantung koroner (PJK) tetap menjadi salah satu penyebab utama kematian di dunia. Kondisi ini terjadi ketika pembuluh darah koroner menyempit atau tersumbat, menghambat aliran darah dan oksigen ke otot jantung. Sumbatan ini biasanya disebabkan oleh penumpukan plak (aterosklerosis) yang terdiri dari lemak, kolesterol, kalsium, dan zat lain yang ditemukan dalam darah.
Angiografi koroner adalah prosedur medis standar emas untuk mendiagnosis penyakit ini. Prosedur ini melibatkan injeksi cairan kontras radiopak ke dalam arteri koroner dan penggunaan sinar-X (fluoroskopi) untuk memvisualisasikan lumen pembuluh darah. Hasilnya adalah serangkaian gambar sinar-Xdikenal sebagai angiogramyang memperlihatkan struktur pembuluh darah dan adanya penyempitan atau sumbatan.
Namun, interpretasi visual angiogram seringkali subjektif dan bergantung pada pengalaman ahli radiologi atau kardiolog. Variabilitas antar-observer dapat terjadi, terutama dalam kasus lesi yang kompleks atau multivaskular. Di sini, teknologi pengolahan citra digital hadir sebagai solusi objektif. Salah satu pendekatan yang menjanjikan adalah penggunaan klasifikasi warna untuk mengidentifikasi area dengan densitas kontras yang berbeda, yang mengindikasikan tingkat keparahan penyumbatan.
Mengapa Klasifikasi Warna?
Pada citra angiografi, cairan kontras yang mengalir melalui arteri muncul dengan tingkat kecerahan (grayscale) yang spesifik. Area yang memiliki penyumbatan parah akan memblokir aliran kontras, menghasilkan area dengan intensitas kecerahan yang jauh lebih rendah (lebih gelap) dibandingkan area pembuluh darah yang sehat.
Segmentasi ROI
Memisahkan area pembuluh darah (Region of Interest) dari latar belakang jaringan atau tulang lain agar analisis fokus pada arteri koroner saja.
Konversi Ruang Warna
Mengubah citra dari RGB ke ruang warna lain seperti HSV atau LAB untuk memisahkan informasi warna dari intensitas cahaya secara lebih efektif.
Kuantisasi Warna
Mengelompokkan piksel-piksel serupa ke dalam kelas-kelas tertentu (k-sehat, k-risiko, k-sumbat) berdasarkan distribusi warna histogram.
Inti Utama: Pendekatan klasifikasi warna mengasumsikan bahwa perubahan histopatologi pada arteri (seperti plak kalsifikasi atau trombus) memiliki karakteristik atenuasi sinar-X yang unik, yang ketika direpresentasikan dalam skala warna (pseudocolor) atau intensitas grayscale tertentu, dapat dibedakan secara komputasional.
Alur Kerja Deteksi
Implementasi sistem deteksi otomatis melibatkan serangkaian langkah pemrosesan citra yang terstruktur. Tujuannya adalah untuk mengubah citra medis mentah menjadi data terukur mengenai persentase penyumbatan (stenosis).
Prapemrosesan
Enhancement citra untuk mengurangi noise menggunakan filter Gaussian atau Median. Peningkat kontras (Contrast Stretching) dilakukan untuk membuat jaringan pembuluh darah lebih menonjol.
Ekstraksi Fitur Warna
Konversi ke ruang warna HSV. Pengambilan komponen Value (V) atau Saturation (S) seringkali lebih efektif untuk membedakan cairan kontras daripada menggunakan Green channel pada RGB.
Segmentasi (Thresholding)
Penerapan metode Otsu atau Adaptive Thresholding untuk memisahkan lumen arteri (terisi kontras) dengan latar belakang. Hasilnya adalah citra biner.
Klasifikasi Blokade
Analisis profil densitas garis melintasi arteri. Penurunan intensitas warna yang tajam diidentifikasi sebagai penyumbatan. Klasifikasi tingkat keparahan ditentukan berdasarkan persentase pengurangan diameter.
Interpretasi Hasil Klasifikasi Warna
Setelah proses segmentasi dan klasifikasi selesai, sistem akan memberikan yang memetakan area arteri ke dalam kategori warna tertentu untuk memudahkan visualisasi klinis. Pemetaan warna ini biasanya menggunakan heat map atau skema warna medis yang intuitif.
| Indikator Warna | Kategori | Deskripsi Klinis |
|---|---|---|
| Hijau / Biru Cerah | Normal / Sehat | Aliran kontras lancar, intensitas warna merata. Tidak ada tanda penyempitan signifikan. |
| Kuning | Plak Awal / Ringan | Terjadi sedikit penurunan intensitas kontras. Mengindikasikan penyumbatan < 50% (Stenosis ringan). |
| Oranye | Stenosis Sedang | Area terlihat lebih redup atau terputus sebagian. Penyumbatan antara 50% - 70%. Memerlukan evaluasi medis lebih lanjut. |
| Merah | Kritis / Total | Area "cold spot" atau gelap total, menunjukkan aliran darah terhenti. Penyumbatan > 70% hingga 100% (Total Oklusi). |
Metode klasifikasi warna ini memungkinkan dokter untuk dengan cepat mengidentifikasi hot spot atau kritis area tanpa harus mengukur diameter pembuluh darah secara manual pada setiap frame angiogram. Hal ini sangat bermanfaat dalam situasi gawat darurat di mana waktu faktor yang sangat menentukan.
Kesimpulan dan Masa Depan
Penerapan teknik klasifikasi warna pada citra angiogram merupakan langkah maju dalam diagnostik kardiologi invasif. Dengan memanfaatkan algoritma pengolahan citra, kita dapat mengubah data visual subjektif menjadi data kuantitatif yang akurat. Teknik ini membantu mengurangi kesalahan manusia (human error), meningkatkan konsistensi diagnosis, dan berpotensi mendeteksi lesi yang mungkin terlewatkan oleh pemeriksaan visual kasar.
Meskipun demikian, tantangan masih tetap ada, seperti variasi kualitas citra antar mesin sinar-X yang berbeda dan pergerakan pasiden (motion artifact) yang dapat memengaruhi akurasi klasifikasi warna. Penelitian masa depan diarahkan pada penggunaan kecerdasan buatan (AI) dan Deep Learning (seperti Convolutional Neural Networks) yang digabungkan dengan analisis tekstur dan warna untuk mencapai tingkat akurasi yang mendekati sempurna.
