Rekonstruksi 3D Pembuluh Darah Vena pada Citra Ultrasound Berbasis U-Net

Hernanda, Arta Kusuma (2023) Rekonstruksi 3D Pembuluh Darah Vena pada Citra Ultrasound Berbasis U-Net. Masters thesis, Institut Teknologi Sepuluh Nopember Surabaya.

Text 6022211010_Master-Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (10MB) | Request a copy

Abstract

Deep Vein Thrombosis (DVT merupakan sebuah gejala penyumbatan aliran darah yang disebabkan oleh kondisi abnormal penggumpalan darah pada jaringan pembuluh darah vena. Hingga saat ini belum ditemukan data profil yang akurat mengenai jumlah kasus DVT di Indonesia. Penelitian sebelumnya telah berhasil mengembangkan fungsi rekonstruksi 3D pembuluh darah menggunakan metode matching-ellipse-features yang berasal dari ekstraksi fitur tepi citra 2D USG. Pada penelitian tersebut error-rate deteksi area pembuluh darah vena masih cukup tinggi yaitu 26.30%. Oleh karena itu, penelitian ini akan mengembangkan metode segmentasi area pembuluh darah vena menggunakan model deep learning U-Net serta melakukan penggabungan seluruh fitur yang dikembangkan pada penelitian sebelumnya menjadi satu aplikasi yang terpadu. Hasil penelitian ini menunjukan bahwa penggunaan model U-Net mampu memberikan peningkatan akurasi pada proses segmentasi area pembuluh darah vena dengan IoU Score mencapai 77.96%, Accuracy segmentasi mencapai 99.68%, dan Loss segmentasi sebesar 0.0032. Hasil percobaan rekonstruksi 3D pembuluh darah vena menggunakan dua Data-Tes berhasil memvisualkan pembuluh darah vena dalam objek 3D. Selain itu, penelitian ini juga telah berhasil dikembangkan sebuah aplikasi dengan Graphical User Interface (GUI) untuk rekonstruksi 3D pembuluh darah vena yang berjalan pada environment Python untuk membantu pengguna mengakses seluruh fitur yang berhasil dikembangkan.
=====================================================================================================================================
Deep Vein Thrombosis (DVT) is caused by an abnormal condition of blood clotting in the venous blood vessel tissue. To date, no accurate data profile on the number of DVT cases in Indonesia has been found. Previous research has successfully developed a 3D blood vessel reconstruction function using the matching-ellipse feature extraction method from 2D ultrasound imaging. In that study, the detection error rate of the vein blood vessel area was still quite high at 26.30%. Therefore, this research will develop a method for segmenting vein blood vessel areas using the U-Net deep learning model and integrate the merging of all features developed in previous research into a single integrated application. The results of this study show that the use of the U-Net model can provide improved accuracy in the process of segmenting vein blood vessel areas with an IoU Score of 77.96%, segmentation Accuracy of 99.68%, and segmentation Loss of 0.0032. The results of the 3D blood vessel vein reconstruction experiment using two Test Data successfully visualized the vein blood vessel in a 3D object. In addition, this study has also successfully developed an integrated application with Graphical User Interface (GUI) for 3D blood vessel vein reconstruction that runs on the Python environment to help users access all features that have been developed.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Citra 3D Rekonstruksi, Pembuluh Darah Vena, Deep Vein Thrombosis (DVT), Citra Ultrasound
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7888.3 Digital computers
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	Arta Kusuma Hernanda
Date Deposited:	27 Jan 2023 06:04
Last Modified:	27 Jan 2023 06:04
URI:	http://repository.its.ac.id/id/eprint/95727

Actions (login required)

View Item