Amalia Fitri Inaba (2022) Deteksi Otomatis Tumor Otak dari Citra MRI Menggunakan Metode You Only Look Once. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 081811733050_HALAMAN JUDUL.pdf Download (1MB)
	Text (BAB I) 081811733050_BAB I.pdf Download (453kB)
	Text (FULLTEXT) 081811733050_FULLTEXT.pdf Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Tumor otak merupakan suatu penyakit yang disebabkan oleh pertumbuhan sel secara abnormal yang terjadi di otak. Kasus terjadinya tumor otak terus berkembang setiap tahunnya dan tidak hanya pada usia dewasa tetapi juga pada usia anak-anak dan remaja. Glioma merupakan salah satu jenis tumor otak yang bermula di sel glial dengan tingkat keganasan yang cukup tinggi karena dapat berkembang dengan sangat cepat. MRI merupakan pemeriksaan radiologi standar untuk mendeteksi tumor otak glioma karena mampu menampilkan perkembangan penyakit serta lesi aktif. Metode analisis hasil MRI yang diterapkan saat ini dilakukan secara manual dengan mengamari citra hasil MRI pasien. Analisis manual dengan cara ini dinilai memakan waktu dan sangat bergantung kepada kemampuan serta pengalaman tenaga ahli. Untuk mengatasi permasalahan tersebut maka dibutuhkan suatu metode yang dapat membantu tenaga ahli untuk menganalisis citra MRI otak. Penelitian ini memiliki tujuan untuk mengembangkan model pembelajaran mesin untuk membantu mendeteksi tumor otak glioma dari citra MRI menggunakan metode YOLOv5 dengan framework Google Collaboratory. Proses deteksi pada penelitian ini dilakukan pada dataset citra dengan variasi image enhancement, yaitu filter gaussian, filter median, CLAHE, filter gaussian + CLAHE, dan filter median + CLAHE. Hasil penelitian menunjukkan bahwa model yang telah dibangun memiliki performa yang baik dalam mendeteksi tumor otak glioma, ditunjukkan dengan nilai mean average precision (mAP) diatas 93%. Nilai mAP tertinggi diperoleh pada variasi dataset citra median filter kernel 3 + CLAHE tile 8x8, yaitu 95,5% dengan nilai F1-Score sebesar 0.921.

Actions (login required)

View Item