SEGMENTASI CITRA CT-SCAN PARU-PARU COVID-19 MENGGUNAKAN ARSITEKTUR 3D UNET DAN MODIFIKASINYA

Simple item page
dc.contributor.advisorJadi Suprijadi
dc.contributor.advisorAnindya Apriliyanti Pravitasari
dc.contributor.authorMOHAMMAD HAMID ASNAWI
dc.date.accessioned2024-05-22T02:00:57Z
dc.date.available2024-05-22T02:00:57Z
dc.date.issued2023-02-09
dc.description.abstractInfeksi 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%.
dc.identifier.urihttps://repository.unpad.ac.id/handle/kandaga/140610190029
dc.subjectCOVID-19 CT-scan
dc.subject3D image segmentation
dc.subject3D UNet
dc.titleSEGMENTASI CITRA CT-SCAN PARU-PARU COVID-19 MENGGUNAKAN ARSITEKTUR 3D UNET DAN MODIFIKASINYA

Files

Original bundle
Now showing 1 - 5 of 11
No Thumbnail Available
Name:
S1-2023-140610190029-Abstrak.pdf
Size:
20.13 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
S1-2023-140610190029-DaftarIsi.pdf
Size:
20.14 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
S1-2023-140610190029-Bab1.pdf
Size:
20.14 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
S1-2023-140610190029-Bab2.pdf
Size:
20.14 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
S1-2023-140610190029-Bab3.pdf
Size:
20.14 MB
Format:
Adobe Portable Document Format
Download

Collections

Statistika (S1)