Skripsi
SEGMENTASI PEMBULUH DARAH RETINA MENGGUNAKAN METODE CIRCULAR PATCH DAN ARSITEKTUR U-NET
Dalam penanganan gejala diabetic retinopathy, diperlukannya pendeteksian terhadap pembuluh darah pada retina. Proses pendeteksian ini memerlukan ketelitian yang sangat tinggi dan terkadang citra memiliki kualitas rendah dan noise yang membuat pendeteksian sangat sulit untuk dilakukan dengan tenaga medis. Dikembangkanlah model machine learning yang mampu melakukan segmentasi pada bagian pembuluh darah dengan akurat. Model U-Net merupakan model machine learning yang efektif dalam melakukan segmentasi pembuluh darah pada retina, namun data gambar yang tersedia sangat sedikit untuk mengembangkan kemampuan prediksi model U-Net sehingga diterapkan metode patch sirkular. Metode circular patch merupakan metode pengambilan patch yang mengambil patch pada daerah yang memuat pembuluh darah disekitar retina mata berdasarkan jarak euclidean patch terhadap pusat gambar, metode circular patch digunakan untuk memperbanyak data latih dengan fitur yang penting pada gambar retina yaitu pembuluh darah. Hasil dari penelitian ini terhadap dataset DRIVE menghasilkan akurasi sebesar 98,73%, spesifisitas sebesar 100%, sensitifitas sebesar 85,4%, F1-score sebesar 92%, dan IoU sebesar 85,4% . Hal ini menunjukkan bahwa kinerja model sudah cukup baik dalam melakukan segmentasi pada pembuluh darah.
Inventory Code | Barcode | Call Number | Location | Status |
---|---|---|---|---|
2107003400 | T57685 | T576852021 | Central Library (REFERENCES) | Available but not for loan - Not for Loan |
No other version available