Segmentasi Polip Kolorektal Menggunakan U-Net Yang Ditingkatkan Dengan MaxViT Dan DCA

Shabrina, Idzni (2026) Segmentasi Polip Kolorektal Menggunakan U-Net Yang Ditingkatkan Dengan MaxViT Dan DCA. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6025241007-Master_Thesis.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Polip kolorektal pada umumnya tidak berbahaya pada tahap awal namun jika tidak terdeteksi dan tidak segera diobati dapat menyebabkan kanker kolorektal. Kanker kolorektal adalah salah satu kanker yang paling umum diderita oleh pasien dan merupakan salah satu kanker yang mematikan di seluruh dunia, oleh karena itu deteksi dini diperlukan sebagai langkah preventif. Metode standar yang digunakan untuk mendeteksi polip kolorektal adalah kolonoskopi. Namun, kolonoskopi membutuhkan banyak tenaga kerja dan rentan terhadap kesalahan manusia. Penelitian menunjukkan bahwa pada pasien yang menjalani kolonoskopi, 25% polip terlewatkan. Alasan di balik kelalaian tersebut antara lain sistem layanan kesehatan yang kelebihan beban, keberadaan polip yang datar dan berukuran kecil, atau kurangnya pengalaman petugas. Keberagaman polip kolorektal dalam ukuran, tampilan, dan lokasi juga membuat deteksi polip menjadi sulit Untuk mengatasi keterbatasan manusia dan mendukung deteksi dan karakterisasi lesi kolorektal selama kolonoskopi, digunakan computer-aided diagnosis (CAD) dengan teknik deep learning seperti U-Net. U-Net saat ini adalah standar terbaik untuk analisis citra medis dikarenakan memiliki efisiensi lebih tinggi dibandingkan dengan banyak pendekatan segmentasi yang ada. Meskipun telah banyak digunakan, arsitektur U-Net masih menghadapi beberapa tantangan. Skip connection yaitu koneksi langsung yang menghubungkan peta fitur tingkat rendah dari encoder ke decoder dapat menyebabkan kesenjangan semantik, selain itu U-Net yang berdasarkan CNN memiliki bidang reseptif yang terbatas. Salah satu solusi untuk mengatasi keterbatasan U-Net adalah dilakukan perubahan pada arsitektur U-Net. Pada penelitian ini diusulkan model hibrida yang memanfaatkan induksi bias yang dimiliki CNN U-Net sekaligus kapasitas model yang kuat dari attention mechanism dan Vision Transformer (ViT). Model yang diusulkan adalah U-Net yang ditingkatkan dengan modul Dual Cross Attention (DCA) dan blok Multi-Axis Attention (MaxViT). Modul DCA mampu menangkap informasi secara global dari semua skala sehingga dapat secara efektif mengekstrak informasi kontekstual di seluruh skala dan mengatasi masalah kesenjangan semantik pada U-Net, sedangkan blok MaxViT mampu memperbesar bidang reseptif U-Net namun tetap bisa mempertahankan detail spasial. Pada penelitian ini digunakan beberapa dataset polip kolorektal yang tersedia secara publik yaitu Kvasir-SEG, CVC-ColonDB, CVC-ClinicDB, EtisLarib. Model yang diusulkan dibandingkan dengan beberapa baseline model yang telah ada sebelumnya. Dilakukan juga studi ablasi untuk mengetahui kontribusi spesifik dari setiap komponen yang diusulkan. Performa model dievaluasi menggunakan metrik Dice Coeffient (DSC) dan Intersection over Union (IoU).
Hasil eksperimen pada perbandingan model baseline menunjukkan bahwa model usulan secara konsisten berhasil mencapai kinerja terbaik di seluruh dataset uji. Kinerja terbaik didapatkan pada dataset CVC-ClinicDB dengan skor Dice 0,9234 dan IoU 0,8581. Sedangkan peningkatan kinerja tertinggi didapatkan pada dataset EtisLarib dengan peningkatan kinerja pada Dice sebesar 10,04% dan IoU sebesar 15,53%. Hasil eksperimen pada studi ablasi menunjukkan bahwa blok MaxViT dan modul DCA secara independen dapat meningkatkan kinerja dasar U-Net, namun kurang kuat ketika digeneralisasikan di berbagai dataset. Integrasi kedua modul DCA dan blok MaxViT secara bersamaan dapat meningkatkan kemampuan generalisasi yang lebih baik. Analisis lebih lanjut pada konfigurasi urutan modul menunjukkan bahwa konfigurasi CCA-MaxViT-SCA adalah yang paling optimal.
===================================================================================================================================
Colorectal polyps are generally harmless in their early stages, but if left undetected and untreated, they can lead to colorectal cancer. Colorectal cancer is one of the most common cancers suffered by patients and is among the most fatal cancers worldwide; therefore, early detection is necessary as a preventive measure. The standard method used to detect colorectal polyps is colonoscopy. However, colonoscopy is labor-intensive and prone to human error. Research shows that in patients undergoing colonoscopy, 25% of polyps are missed. The reasons behind these omissions include an overloaded healthcare system, the presence of flat and small-sized polyps, or a lack of operator experience. The diversity of colorectal polyps in size, appearance, and location also makes polyp detection difficult. To overcome human limitations and support the detection and characterization of colorectal lesions during colonoscopy, computer-aided diagnosis (CAD) with deep learning techniques such as U-Net is utilized. U-Net is currently the gold standard for medical image analysis due to its higher efficiency compared to many existing segmentation approaches. Despite being widely used, the U-Net architecture still faces several challenges. Skip connections—direct connections linking low-level feature maps from the encoder to the decoder—can cause semantic gaps. Additionally, the CNN-based U-Net has a limited receptive field. One solution to address the limitations of U-Net is modifying its architecture. This study proposes a hybrid model that leverages the inductive bias of the CNN U-Net alongside the strong model capacity of attention mechanisms and Vision Transformers (ViT). The proposed model is an enhanced U-Net with a Dual Cross Attention (DCA) module and a Multi-Axis Attention (MaxViT) block. The DCA module is capable of capturing information globally from all scales, allowing it to effectively extract contextual information across scales and resolve the semantic gap problem in U-Net, while the MaxViT block is able to enlarge U-Net's receptive field while still preserving spatial details. This study utilizes several publicly available colorectal polyp datasets, namely Kvasir-SEG, CVC-ColonDB, CVC-ClinicDB, and EtisLarib. The proposed model is compared with several pre-existing baseline models. An ablation study is also conducted to determine the specific contribution of each proposed component. Model performance is evaluated using the Dice Coefficient (DSC) and Intersection over Union (IoU) metrics. The experimental results from the baseline model comparison show that the proposed model consistently achieves the best performance across all test datasets. The best performance was obtained on the CVC-ClinicDB dataset with a Dice score of 0.9234 and an IoU of 0.8581. Meanwhile, the highest performance improvement was achieved on the EtisLarib dataset, with an increase of 10.04% in Dice and 15.53% in IoU. The experimental results from the ablation study indicate that the MaxViT block and DCA module can independently improve the baseline U-Net performance, but they are less robust when generalized across various datasets. The simultaneous integration of both the DCA module and the MaxViT block promotes better generalization capabilities. Further analysis of the module sequence configuration shows that the CCA-MaxViT-SCA configuration is the most optimal.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	attention mechanism, computer aided diagnosis, deep learning, pencitraan biomedis, polip kolorektal, segmentasi citra, visi komputer, attention mechanisms, biomedical imaging, colorectal polyps, computer aided diagnosis, computer vision, deep learning, image segmentation
Subjects:	Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Idzni Shabrina
Date Deposited:	29 Jul 2026 07:29
Last Modified:	29 Jul 2026 07:29
URI:	http://repository.its.ac.id/id/eprint/139695

Actions (login required)

View Item