Klasifikasi Penyakit Alzheimer Menggunakan TimeDistributed-CNN-LSTM pada Citra 3D MRI

Yudiono, Audrey Lovina (2023) Klasifikasi Penyakit Alzheimer Menggunakan TimeDistributed-CNN-LSTM pada Citra 3D MRI. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07311940000033-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (2MB) | Request a copy

Abstract

Penyakit Alzheimer (AD) adalah gangguan otak neurobiologis kronis yang terus-menerus membunuh sel-sel otak, menginduksi defisit memori dan kapasitas berpikir, dan akhirnya mempercepat hilangnya kemampuan untuk melakukan tugas-tugas yang paling dasar sekalipun. Menurut penelitian, perubahan otak yang terkait dengan AD dapat dimulai lebih dari 20 tahun sebelum gejala muncul. Deteksi dini AD digunakan untuk memperlambat degenerasi otak yang tidak normal, mengurangi pengurangan biaya perawatan medis, dan memastikan perawatan yang lebih baik. Oleh karena itu, model deep learning untuk proses klasifikasi kondisi penyakit AD diperlukan untuk membantu diagnosis dini AD. Pada tugas akhir ini, digunakan citra 3D MRI dari berbagai waktu berbeda untuk tiap subjeknya yang diperoleh dari database ADNI. Pemilihan citra dari berbagai waktu berbeda dikarenakan adanya dependensi waktu pada penyakit Alzheimer. Selanjutnya dilakukan pre-processing pada citra dan dataset dibagi menjadi 90% data training, 5% data validasi, dan 5% data testing. Klasifikasi dilakukan menggunakan model yang mampu menggabungkan beberapa citra input sebagai satu input yaitu TimeDistributed-CNN-LSTM (TD-CNN-LSTM). Model ini menggabungkan CNN dan LSTM serta menggunakan TimeDistributed layer untuk menambah dimensi input agar model dapat menerima beberapa citra MRI sebagai satu input. Proses training pada model dijalankan dengan beberapa hyperparmeter yaitu optimizer “Nadam”, nilai learning rate sebesar 0,0001, dan loss function “mean absolute error” yang diperoleh setelah dilakukan pengujian. Klasifikasi dengan model TD-CNN-LSTM memberikan hasil akurasi sebesar 94,74%. Model ini memberikan hasil yang lebih baik jika dibandingkan dengan model 3D CNN yang hanya menggunakan satu citra dengan memilih satu waktu dari tiap subjek. Model 3D CNN memberikan hasil akurasi sebesar 84,21%.
===============================================================================================================================
Alzheimer's disease (AD) is a chronic neurobiological brain disorder that persistently kills brain cells, induces deficits in memory and thinking capacity, and ultimately accelerates the loss of the ability to perform even the most basic tasks. According to research, brain changes associated with AD can begin more than 20 years before symptoms appear. Early detection of AD is used to slow abnormal brain degeneration, reduce medical care costs, and ensure better care. Therefore, a deep learning model for the process of classifying AD disease conditions is needed to help early diagnosis of AD. In this final project, 3D MRI images are used from different times for each subject obtained from the ADNI database. The selection of images from different times is due to the time dependency in Alzheimer's disease. Furthermore, pre-processing is carried out on the image and the dataset is divided into 90% training data, 5% validation data, and 5% testing data. Classification is carried out using a model that can combine several input images as one input, namely TimeDistributed-CNN-LSTM (TD-CNN-LSTM). This model combines CNN and LSTM and uses a TimeDistributed layer to increase the input dimension so that the model can receive multiple MRI images as one input. The training process on the model is carried out with several hyperparameters, namely the "Nadam" optimizer, a learning rate value of 0.0001, and a loss function "mean absolute error" obtained after testing. Classification with the TD-CNN-LSTM model gives an accuracy of 94.74%. This model gives better results when compared to the CNN 3D model which only uses one image by selecting one time from each subject. The CNN 3D model gives an accuracy of 84.21%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Penyakit Alzheimer, 3D MRI, Waktu Berbeda, Klasifikasi, TimeDistributed-CNN-LSTM, Alzheimer's disease, 3D MRI, Different Time, Classification
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. Q Science > QA Mathematics > QA336 Artificial Intelligence T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Biomedical Engineering > 11410-(S1) Undergraduate Thesis
Depositing User:	Audrey Lovina Yudiono
Date Deposited:	29 Aug 2023 03:08
Last Modified:	29 Aug 2023 03:08
URI:	http://repository.its.ac.id/id/eprint/102868

Actions (login required)

View Item