Segmentasi Dua Dimensi Dan Rekonstruksi Tiga Dimensi Citra Ct Scan Pasien Covid-19 Menggunakan Active Contour

Ambadar, Zaki (2022) Segmentasi Dua Dimensi Dan Rekonstruksi Tiga Dimensi Citra Ct Scan Pasien Covid-19 Menggunakan Active Contour. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07311840000067-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (6MB)

Abstract

COVID-19 adalah penyakit yang memiliki nama lain SArS-CoV-2 yang muncul pada Desember 2019. COVID-19 menyerang negara Indonesia dengan dampak kasus total di atas 4 Juta dengan tingkat kematian 3,3%, serta memiliki 2 gelombang. Pendeteksian dan diagnosa untuk COVID- 19 saat ini menggunakan RT-PCR, antigen, dan RT-LAMP. Tetapi, untuk pendeteksian lebih lanjut atau ketika hasil deteksi menggunakan RT-PCR kurang jelas, maka diagnosa lanjut biasanya dilakukan, dan diagnosa tersebut menggunakan alat pencitraan CT Scan. Pada penelitian sebelumnya oleh Chen Zao, mereka segmentasi menggunakan Deep Learning dan dengan menggnunakan radiomik. Hasil yang didapat baik tetapi hasil dari segmentasi tidak menyertakan segmentasi dari ground-glass opacity sebagai parameter utama dari ciri COVID-19 pada CT scan. Dalam penelitian ini, citra yang digunakan adalah CT scan dengan menggunakan segmentasi active contour dan binary thresholding, yang dilanjutkan dengan rekonstruksi tiga dimensi menggunakan marching cubes. Tujuan penelitian ini dilakukan adalah untuk menghasilkan sebuah sistem untuk membuat segmentasi dari ground-glass opacity menggunakan metode segmentasi dan memvisualisasikannya dalam ruang tiga dimensi. Didapatkan menggunakan metode active contour chan-vese dapat menghasilkan hasil segmentasi yang cukup baik untuk segmentasi paru COVID-19 dan mendapatkan nilai indeks kesamaan 42% untuk data yang memiliki konsolidasi, 67% dan 77% untuk data yang tidak memiliki konsolidasi. Hasil dari rekonstruksi tiga dimensi juga berhasil dilakukan menggunakan marching cubes tetapi tidak dapat dilakukan untuk visualisasi interaktif, maka untuk kegunaan visualisasi interaktif menggunakan pointcloud plotting.
==============================================================================================================================
COVID-19 is a disease that has another name SArS-CoV-2 which appeared in December 2019. COVID-19 attacked the country of Indonesia with a total case impact of more than 4 million with a death rate of 3.3%, and had 2 waves. Detection and diagnosis for COVID-19 is currently using RT-PCR, antigen, and RT-LAMP. However, for further detection or when the results of the detection using RT-PCR are not clear, then a further diagnosis is usually carried out, and the diagnosis is made using a CT scan imaging tool. In a previous study by Chen Zao, they segmented using Deep Learning and by using radiomics. The results obtained are good but the results of the segmentation do not include the segmentation of the ground-glass opacity as the main parameter of the COVID-19 feature on the CT scan. In this study, the image used is a CT scan using active contour segmentation and binary thresholding, followed by three-dimensional reconstruction using marching cubes. The purpose of this research is to produce a system to create a segmentation of ground-glass opacity using the segmentation method and visualize it in three-dimensional space. It was found that using the chan-vese active contour method can produce fairly good segmentation results for COVID-19 lung segmentation and obtain a similarity index value of 42% for data that has consolidation, 67% and 77% for data that does not have consolidation. The results of the three-dimensional reconstruction were also successfully carried out using marching cubes but could not be done for interactive visualization, so for the use of interactive visualization using pointcloud plotting.

Item Type:	Thesis (Other)
Additional Information:	RSB 006.42 Amb s-1 2022
Uncontrolled Keywords:	Active contour, binary thresholding, COVID-19, marching cube, segmentasi, visualisasi 3d. 3d visualization, active contour, binary thresholding, COVID-19, marching cube, segmentation.
Subjects:	R Medicine > R Medicine (General) > R857.M3 Biomedical materials. Biomedical materials--Testing.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Biomedical Engineering > 11410-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	18 Jun 2026 07:17
Last Modified:	18 Jun 2026 07:17
URI:	http://repository.its.ac.id/id/eprint/133899

Actions (login required)

View Item