Skripsi
SEGMENTASI RUANG JANTUNG DALAM KONDISI KARDIOMEGALI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR U-NET
Kardiomegali merupakan penyakit yang tidak memiliki tanda atau gejala pada beberapa penderitanya dan kemungkinan memiliki gejala seperti sesak napas, detak jantung tidak normal (aritmia), dan edema. Kardiomegali akan menyebabkan jantung penderita memompa lebih keras dari biasanya atau secara bertahap merusak otot jantung seperti jantung berdebar, sesak dada, dan sesak napas. Mendiagnosis dini kardiomegali dapat membantu membuat keputusan jantung dalam keadaan abnormal atau normal. Selain itu, sehubungan dengan masalah dalam pemeriksaan secara manual akan memakan waktu dan kebutuhan interpretasi serta pengalaman manusia, maka diperlukan alat bantu untuk secara otomatis mengembangkan dan mengidentifikasi jantung normal dan jantung yang abnormal. Oleh karena itu, penelitian ini mengusulkan segmentasi ruang jantung dengan menggunakan jaringan saraf konvolusional 2D (dua dimensi) ultrasound untuk skrining kardiomegali secara cepat dalam aplikasi klinis berdasarkan pemeriksaan USG dada. Pendekatan yang diusulkan menggunakan CNN dengan model arsitektur Residual U-Net dengan data jantung abnormal dan normal. Hasil penelitian yang diperoleh menggunakan evaluasi matriks piksel akurasi sebesar 99.09%, dice sebesar 94.94 % dan IoU sebesar 90.75%
Inventory Code | Barcode | Call Number | Location | Status |
---|---|---|---|---|
2407000989 | T138840 | T1388402023 | Central Library (Referens) | Available but not for loan - Not for Loan |
No other version available