Sablina Damayanti, - (2022) Deteksi Arteri Karotis dari Citra Ultrasound Berbasis Deep Learning. Skripsi thesis, UNIVERSITAS AIRLANGGA,.

	Text (HALAMAN JUDUL) 081811733022_HALAMAN JUDUL.pdf Download (1MB)
	Text (BAB I) 081811733022_BAB I.pdf Download (731kB)
	Text (FULLTEXT) 081811733022_FULLTEXT.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Arteri karotis merupakan arteri utama yang menyuplai oksigen ke bagian leher dan kepala. Gangguan pada arteri karotis dapat menyebabkan berkurangnya suplai oksigen ke otak sehingga dapat mengakibatkan stroke. Stroke masih menjadi penyebab kematian yang cukup besar di seluruh dunia dengan angka kejadian stroke di dunia yaitu 200 per 100.000 penduduk dalam setahun. Penanganan terhadap penderita stroke harus dilakukan secara cepat dan tepat untuk menghindari dampak stroke yang lebih parah. Ultrasonografi (USG) merupakan salah satu modalitas yang dapat digunakan untuk mendeteksi stenosis karotis yang merupakan salah satu penyebab stroke yang disebut silent killer. Penandaan arteri karotis (CCA) dari hasil USG secara manual dapat memungkinkan terjadinya kesalahan pembacaan terutama ketika tenaga medis merasakan kelelahan. Penelitian ini memiliki tujuan untuk mengembangkan model pembelajaran mesin untuk membantu mendeteksi arteri karotis dari citra ultrasound menggunakan metode Yolo V5 dengan framework Google Collaboration. Proses deteksi pada penelitian ini dilakukan pada dataset citra dengan variasi image enhancement yaitu gaussian filter, median filter, CLAHE, gaussian filter + CLAHE, dan median filter + CLAHE. Hasil penelitian menunjukkan bahwa model yang telah dibangun meraih nilai akurasi rata-rata tertinggi pada dataset citra CLAHE 10X10 yaitu 91,61%. Hasil keluaran model deteksi objek berupa citra dengan tambahan tanda lokasi CCA di dalamnya.

Item Type:	Thesis (Skripsi)
Additional Information:	KKC KK S FST TB 01 22 Dam d
Uncontrolled Keywords:	CCA, Yolo V5, gaussian filter, median filter, CLAHE
Subjects:	Q Science T Technology
Divisions:	08. Fakultas Sains dan Teknologi > Tekno Biomedik
Creators:	Creators NIM Sablina Damayanti, - NIM081811733022
Contributors:	Contribution Name NIDN / NIDK Thesis advisor Endah Purwanti, - NIDN 0031107705
Depositing User:	sugiati
Date Deposited:	14 Sep 2026 01:54
Last Modified:	14 Sep 2026 01:54
URI:	http://repository.unair.ac.id/id/eprint/146598
Sosial Share:

Actions (login required)

View Item