Statistika (S1)

Permanent URI for this collection

https://repository.unpad.ac.id/handle/kandaga/267

Browse

Browsing Statistika (S1) by Subject "3D image segmentation"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    SEGMENTASI CITRA CT-SCAN PARU-PARU COVID-19 MENGGUNAKAN ARSITEKTUR 3D UNET DAN MODIFIKASINYA
    (2023-02-09) MOHAMMAD HAMID ASNAWI; Jadi Suprijadi; Anindya Apriliyanti Pravitasari
    Infeksi pada paru-paru merupakan dampak utama yang disebabkan oleh COVID-19. Dengan diketahuinya area atau kondisi infeksi pada paru-paru pasien, tenaga medis dapat mengetahui banyak informasi penting seperti tingkat keparahan, kondisi paru-paru, juga dapat diketahui perkembangan kondisi pasien dari waktu ke waktu. Untuk mengetahui kondisi infeksi paru-paru, tenaga medis menggunakan CT-scan sebagai media dalam proses pemeriksaan lanjutan pasien, namun hingga saat ini proses penganalisaan CT-scan ini dilakukan secara manual oleh ahli radiologi dan ahli radiologi tersebut memerlukan fokus yang tinggi karena CT-scan berjenis grayscale dan ciri-ciri radiologis COVID-19 khususnya area infeksi pada CT-scan yang buram sehingga tidak mudah bagi ahli radiologis untuk mendapatkan informasi dari CT-scan secara sekilas. Peneltian ini menjelaskan bagaimana model 3D UNet, 3D VGGUNet, 3D ResUNet, dan 3D DenseUNet digunakan untuk mensegmentasi area infeksi dan paru-paru dari CT-scan. Dari 4 model yang dieksperimenkan dalam penelitian ini, 3D UNet mendapatkan hasil yang paling baik dibandingkan dengan ketiga model lainnya. Untuk kasus binary-class segmentation, 3D UNet menghasilkan IoU score, dan Dice Score masing-masing sebesar 94.20%, dan 96.98%. Untuk kasus multi-class segmentation, 3D UNet menghasilkan IoU score, dan Dice Score masing-masing sebesar 84.39%, dan 90.21%.