SEGMENTASI SEMANTIK TUMOR GINJAL DARI CITRA CT-SCAN ABDOMEN DENGAN METODE CONVOLUTIONAL NEURAL NETWORK

Purwanto, Nautika Darliyana (2024) SEGMENTASI SEMANTIK TUMOR GINJAL DARI CITRA CT-SCAN ABDOMEN DENGAN METODE CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 5023201050-Undergraduate_Thesis.pdf] Text
5023201050-Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2026.

Download (5MB) | Request a copy

Abstract

Tumor ginjal merupakan hasil penumpukan sel-sel abnormal dalam ginjal. Radiologi sebagai penggunaan teknologi non-invasif untuk mengeksplorasi struktur internal organ tubuh manusia yang salah satu contohnya adalah CT-scan untuk membantu dokter mendiagnosa tumor ginjal dengan CT-scan yang hasil citranya didiagnosa secara manual oleh dokter untuk mengetahui adanya tumor. Penelitian ini berfokus pada segmentasi tumor dan ginjal dalam citra CT abdomen dengan percobaan 2 metode yaitu segmentasi binary dan segmentasi multiclass. Segmentasi tumor dan ginjal untuk mengetahui adanya tumor pada ginjal dan lokasi tumor pada ginjal. Penelitian ini menggunakan dataset KiTS 2019. Dalam kasus segmentasi tumor ginjal, peneliti menerapkan metode segmentasi tumor dengan perolehan dice score yang kecil pada tumor. Penelitian ini melakukan segmentasi dengan Convolution Neural Network (CNN) dengan arsitektur U-net yang telah dimodifikasi. Tahapan preprocessing pada penelitian ini yaitu hounsfield unit windowing untuk normalisasi nilai HU citra. Evaluasi hasil segmentasi dilakukan dengan pengukuran dice score dan Intersection of union. Dari hasil evaluasi dipilih metode segmentasi terbaik. Hasil segmentasi semantik dapat dilakukan pengukuran lokasi tumor dengan C-index untuk mengukur sentralisasi tumor pada ginjal. Dengan penelitian ini, diharapkan terciptanya software yang mampu mensegmentasi tumor ginjal secara semantik yang lebih akurat dan melakukan perhitungan C-index dengan bentuk tumor ginjal yang bervariasi dan beragam.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Segmentasi semantik, Tumor ginjal, KiTS 2019 dataset, Convolution Neural Network, hounsfield unit windowing, U-net; Semantic Segmentation, Kidney Tumor, KiTS 2019 dataset, Convolution Neural Network, hounsfield unit windowing, U-net.
Subjects: 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: Purwanto Nautika Darliyana
Date Deposited: 08 Aug 2024 02:10
Last Modified: 08 Aug 2024 02:10
URI: http://repository.its.ac.id/id/eprint/111372

Actions (login required)

View Item View Item