Segmentasi Atrial Septal Defect menggunakan Convolutional Neural Networks berbasis V-NET.

Sukemi, Sukemi (2019) Segmentasi Atrial Septal Defect menggunakan Convolutional Neural Networks berbasis V-NET. Annual Research Seminar Computer Science and ICT (ARS), 5 (1). pp. 100-104. ISSN 979-587-573-6

[thumbnail of Proseeding-ARS.pdf]
Preview
Text
Proseeding-ARS.pdf

Download (1MB) | Preview
[thumbnail of Cover-Pengelola-Daftar isi.pdf]
Preview
Text
Cover-Pengelola-Daftar isi.pdf

Download (336kB) | Preview

Abstract

Analisis citra medis merupakan sebuah topik yang sangat diminati, karena sangat diperlukan dalam proses mendiagnosis penyakit. Salah satu analisis citra yang telah diteliti saat ini adalah penyakit jantung bawaan pada janin. Ada banyak jenis penyakit jantung bawaan pada janin salah satunya yaitu ASD. Penyakit jantung bawaan memiliki peran penting untuk melakukan diagnosis kelainan pada jantung khususnya janin. Salah satu penyakit jantung bawaan pada janin adalah atrial septal defect. Ada banyak cara yang dilakukan untuk proses melakukan diagnosis pada analisis citra medis yaitu segmentasi. Segmentasi khususnya pada gambar merupakan salah satu kunci dalam melakukan proses diagnosis pada analisis citra medis. Convolutional neural networks (CNNs) merupakan teknik pembelajaran dalam yang sering digunakan khususnya pada segmentasi gambar. Penelitian ini menerapkan sebuah teknik pembelajaran dalam untuk melakukan proses segmentasi pada penyakit jantung bawaan berdasarkan citra gambar. Pendekatan yang diusulkan menggunakan CNNs dengan arsitektur V-NET yang digunakan pada gambar atrial septal defect. Sebagai hasil penelitian hasil kinerja yang didapatkan dengan menggunakan evaluasi matriks piksel akurasi sebesar 96 % mean akurasi 91% dan mean iu sebesar 86%.

Item Type: Article
Subjects: Q Science > Q Science (General) > Q334-342 Computer science. Artificial intelligence. Algorithms. Robotics. Automation.
Divisions: 09-Faculty of Computer Science > 56201-Computer Systems (S1)
Depositing User: Dr. Sukemi Sukemi
Date Deposited: 18 Jan 2022 08:00
Last Modified: 18 Jan 2022 08:00
URI: http://repository.unsri.ac.id/id/eprint/61331

Actions (login required)

View Item View Item