Muhammad Afifudin, 4611420025 (2024) PENINGKATAN AKURASI SEGMENTASI CITRA TUMOR OTAK BERBASIS RESIDUAL NETWORK (RESNET) MENGGUNAKAN NEAREST NEIGHBOR UPSAMPLING. Under Graduates thesis, UNIVERSITAS NEGERI SEMARANG.

PDF (Skripsi) - Published Version Restricted to Repository staff only Download (8MB) | Request a copy

Abstract

Penyakit tumor otak menjadi penyakit yang perlu diwaspadai karena pertumbuhan sel abnormal dalam otak dapat merusak sel normal di sekitarnya yang mengganggu aliran informasi dan koordinasi dengan organ lainnya, sehingga meningkatkan risiko kematian pada pasien. Melalui kemajuan teknologi, suatu kecerdasan buatan dapat dibuat untuk melakukan segmentasi pada daerah tumor otak yang membantu tenaga medis dalam mengidentifikasi karakteristik tumor dan bentuk penanganan yang harus dilakukan. Model Convolutional Neural Network (CNN) dapat digunakan untuk tugas segmentasi karena kemampuannya dalam mengklasifikasikan setiap piksel gambar, memberi label tertentu, dan memetakan menjadi beberapa kelompok yang homogen. Untuk meningkatkan kemampuan CNN terhadap kemungkinan vanishing gradient, model arsitektur Residual Network (ResNet) dapat diterapkan pada model segmentasi. Penggunaan ResNet memberi kemampuan tambahan pada model jaringan untuk memilih antara hasil training pada epoch yang berjalan atau melewati ke jaringan selanjutnya ketika hasil training berjalan mendekati nilai identitas. Akan tetapi, ResNet juga melakukan pengurangan skala gambar dan peta fitur selama operasi downsampling yang menyebabkan pengorbanan resolusi spasial pada gambar. Penelitian ini mengusulkan penerapan metode Nearest Neighbor Upsampling pada ResNet untuk meningkatkan akurasi model dalam tugas segmentasi MRI tumor otak. Penelitian ini membandingkan antara ResNet yang dioptimalkan denga Nearest Neighbor Upsampling dan tanpa penggunaannya menggunakan dataset Brain Tumor Segmentation (BraTS) 2020. Penelitian ini menghasilkan temuan kenaikan akurasi dari 96,94% menjadi 98,44% dan penurunan nilai loss dari 0,0881 menjadi 0,0874 yang menunjukkan perbaikan kinerja model yang signifikan setelah dilakukan optimalisasi dengan Nearest Neighbor Upsampling. Metode Nearest Neighbor Upsampling yang digunakan untuk meningkatkan dimensi gambar dan mengisi celah kosong pada citra MRI tumor otak selama proses pembelajaran model ResNet terbukti efektif dalam merepresentasikan informasi spasial dan konteks citra yang berdampak positif pada akurasi proses segmentasi citra.

Actions (login required)

View Item