Skripsi
SEGMENTASI PEMBULUH DARAH DARI AUGMENTASI DATA PADA CITRA RETINA DENGAN METODE U-NET CONVOLUTIONAL NEURAL NETWORK
Retina adalah bagian terpenting dari mata. Dengan ekstraksi ciri yang tepat dapat menjadi langkah awal untuk mendeteksi suatu penyakit. Morfologi pembuluh darah retina dapat digunakan untuk mengidentifikasi dan mengklasifikasikan suatu penyakit. Langkah seperti segmentasi dan analisis pembuluh darah retina dapat membantu tenaga medis dalam mendeteksi tingkat keparahan suatu penyakit. Pada makalah ini diusulkan segmentasi vaskular menggunakan arsitektur U-net pada metode Convolutional Neural Network untuk melatih model segmentasi sematik pada pembuluh darah retina. Selain itu, metode Contrast Limited Adaptive Histogram Equalization (CLAHE) digunakan untuk meningkatkan kontras grayscale dan Median Filter yang digunakan untuk mendapatkan kualitas gambar yang lebih baik. Augmentasi data juga digunakan untuk memaksimalkan jumlah set data yang dimiliki agar lebih banyak. Metode yang diusulkan mendukung implementasi yang lebih mudah. Dalam penelitian ini dataset yang digunakan adalah STARE dengan hasil akurasi, sensitivitas, spesifisitas, presisi, dan f1-score yang mencapai 97,64%, 78,18%, 99,20%, 88,77%, dan 82,91% pada data hasil augmentasi. sedangkan untuk hasil non-augmentasi menghasilkan akurasi, sensitivitas, spesifisitas, presisi, dan f1-score mencapai 95.98%, 65.73%, 98.97%, 86.09%, dan 73.86%.
Inventory Code | Barcode | Call Number | Location | Status |
---|---|---|---|---|
2107002426 | T51570 | T515702021 | Central Library (Referens) | Available but not for loan - Not for Loan |
No other version available