Segmentasi Citra Implan Pada Tengkorak Manusia Menggunakan β-Variational Autoencoder dan Style Transfer

Maulidiyah, Aqila (2023) Segmentasi Citra Implan Pada Tengkorak Manusia Menggunakan β-Variational Autoencoder dan Style Transfer. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111940000104-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (3MB) | Request a copy

Abstract

Proses konstruksi citra implan Magnetic Resonance Imaging (MRI) tengkorak dilakukan untuk membantu operasi cranioplasty atau bedah perbaikan tengkorak yangdiakibatkan dari pasca operasi. Konstruksi citra implan MRI dapat dimanfaatkan dalam proses desain cranial implant. Penelitian Tugas Akhir ini bertujuan untuk mengkonstruksicitra implan MRI tengkorak secara otomatis menggunakan model deep learning. Sejauh ini, model β-variational autoencoder (β-VAE) mampu mengkonstruksi citra implan MRItengkorak dengan baik. Secara umum, hasil konstruksi bagian cacat tengkorak dari model β-VAE masih ditemukan kegagalan dikarenakan kurang presisinya parameter βuntuk beberapa posisi citra MRI tengkorak. Oleh karena itu, penelitian Tugas Akhir ini mengusulkan model konstruksi segmentasi citra implan MRI tengkorak berdasarkan β-VAE dan konsep Style Transfer Learning yang disingkat dengan β-StyleVAE. Dengan style transfer learning, model yang diusulkan mempertimbangkan referensi posisi, warna, dantekstur citra MRI tengkorak lainnya untuk konstruksi citra implan MRI yang lebih baik. Pada Tugas Akhir ini, model yang diusulkan diuji pada publik dataset yang merupakandata kompetisi AutoImplant pada tahun 2021. Hasil eksperimen menunjukkan bahwa model β-StyleVAE berhasil memberikan konstruksi citra implan MRI tengkorak lebihbaik. Dengan kata lain, nilai metrik dari hasil konstruksi segmentasi citra implan MRI tengkorak lebih kecil dibandingkan model pembandingnya.
============================================================================================================================
Cranial implant construction assists in cranioplasty. This study attempts to construct the cranial implant automatically based on deep learning model. As far as we are aware, β-variational autoencoder (β-VAE) is able to construct good cranial implants. However, we found the construction defects from β-VAE by setting a wrong parameter β. Therefore,this study proposes cranial implant model from integrating β-VAE and style transfer learning concept, abbreviated β style VAE. From style transfer learning, we focus on position, color and texture of image references of other skull MRIs to help improve the cranial implant construction. In this study, the proposed model was tested on a public dataset of AutoImplant competition 2021. The experiments showed that β -StyleVAE model successfully constructed 3D image of the flag skull implant better. In other words, the metric values of the segmented image from the proposed model are smaller than the baseline models.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Skull MRI image, implant image, β-VAE, Style Transfer; Citra MRI Tengkorak, Citra Implan, β-VAE, Style Transfer.
Subjects:	Q Science > QA Mathematics R Medicine > R Medicine (General) > R858 Deep Learning T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Aqila Maulidiyah
Date Deposited:	15 Sep 2023 06:41
Last Modified:	15 Sep 2023 06:41
URI:	http://repository.its.ac.id/id/eprint/103092

Actions (login required)

View Item