Deteksi Penyakit Jantung Bawaan pada Anak Jenis VSD Menggunakan You Only Look Once (YOLO) Melalui Video UItrasound

Nasrudin, Muhammad (2021) Deteksi Penyakit Jantung Bawaan pada Anak Jenis VSD Menggunakan You Only Look Once (YOLO) Melalui Video UItrasound. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 06211950010012-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (2MB) | Request a copy

Abstract

Penyakit Jantung Bawaan (PJB) terjadi akibat kegagalan pembentukan struktur jantung pada masa awal pembentukan janin di dalam kandungan. Menurut Perhimpunan Dokter Spesialis Kardiovaskuler Indonesia (PERKI), penyakit jantung bawaan menempati peringkat pertama diantara penyakit-penyakit lain yang menyerang bayi. PJB yang paling sering ditemukan adalah Ventricular Septal Defect (VSD) yang merupakan suatu defect pada jantung dimana terdapat lubang pada septum interventricular yang memisahkan ventrikel kanan dan kiri. Salah satu teknik untuk mendeteksi PJB adalah dengan melakukan ekokardiografi. Visualisasi yang tertangkap dapat disimpan dalam bentuk video atau dapat dilakukan pengambilan dari bingkai-bingkai video sebagai bentuk citra atau gambar. Sayangnya, tidak semua dokter anak dapat membaca hasil visualisasi tersebut, hanya dokter dengan spesialisasi jantung anak yang dapat membaca dan menentukan diagnosis serta manifestasi PJB. Di Jawa Timur sendiri hanya terdapat tiga orang dokter spesialis jantung anak yang semuanya berdomisili di ibukota provinsi yaitu Surabaya. Analisis terhadap hasil video ultrasound perlu dilakukan agar dokter anak dapat mendeteksi PJB lebih dini, sehingga dapat memberikan rujukan yang sesuai kepada dokter spesialis jantung. Hal ini akan membantu kerja dokter spesialis jantung anak. Salah satu metode deteksi objek adalah You Only Look Once karena dapat mendeteksi secara cepat. Performansi kinerja YOLOv4 diukur dari nilai AP sebesar 99% dan dari hasil deteksi diperoleh YOLOv4 dapat mendeteksi secara tepat video ultrasound jantung normal dan jantung dengan VSD. Analisis ini diharapkan dapat membantu dokter dan tenaga medis dalam deteksi awal PJB pada anak.
======================================================================================================
Congenital Heart Disease (CHD) occurs due to the failure of the formation of the heart structure in the early stages of the formation of the fetus in the womb. According to the Association of Indonesian Cardiovascular Specialists, congenital heart disease ranks first among other diseases that affect infants. The most common CHD found is Ventricular Septal Defect (VSD) which is a defect in the heart where there is a hole in the interventricular septum that separates the right and left ventricles. One technique to detect CHD is to perform echocardiography. Captured visualizations can be saved in video form or can be taken from video frames as images or pictures. Unfortunately, not all pediatricians can read the visualization results, only doctors with pediatric cardiac specialization can read and determine the diagnosis and manifestation of CHD. In East Java, there are only three pediatric cardiologists, all of whom are domiciled in the provincial capital, namely Surabaya. Analysis of the ultrasound video results needs to be done so that pediatricians can detect CHD early, so that they can provide appropriate referrals to cardiologists. This will help the pediatric cardiologist work. One method of object detection is You Only Look Once because it can detect it quickly. The performance of YOLOv4 is measured by the AP value of 99% and from the detection results it is obtained that YOLOv4 can accurately detect normal heart ultrasound and VSD videos. This analysis is expected to help doctors and medical personnel in early detection of CHD in children.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Deteksi Objek, mean Average Precission, Penyakit Jantung Bawaan, YOLOv4. Congenital Heart Disease, mean Average Precission, Object Detection, YOLOv4.
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Q Science > QA Mathematics > QA336 Artificial Intelligence R Medicine > RC Internal medicine > RC683.5.E5 Electrocardiography
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Muhammad Nasrudin
Date Deposited:	09 Sep 2021 08:15
Last Modified:	09 Sep 2021 08:15
URI:	http://repository.its.ac.id/id/eprint/91897

Actions (login required)

View Item