ABSTRAK
Nama : Kezia Irene
Program Studi : Ilmu Komputer
Judul : Segmentasi Dan Aproksimasi Volume Darah Pada Penderita Trauma
Kepala Berdasarkan Gambar Computed Tomography Scan
Menggunakan Metode Deep Learning
Pembimbing : Dr. Eng. Wisnu Jatmiko, S.T., M.Kom. dan Muhammad Anwar
Ma’sum, S.Kom., M.Kom.
Trauma kepala merupakan cedera fisik pada jaringan otak yang secara sementara atau
permanen merusak fungsi otak. Salah satu akibat yang dapat disebabkan oleh trauma
kepala adalah perdarahan intrakranial. Perdarahan intrakranial perlu didiagnosis dengan
mengambil gambar computed tomography (CT) scan oleh dokter radiolog. Setelah itu
dokter radiolog akan mensegmentasi dan menghitung volume perdarahan pada gambar
CT scan untuk menentukan Tindakan selanjutnya. Namun, pada beberapa rumah sakit di
Indonesia, kurangnya sumber daya dokter yang dapat menafsirkan hasil CT scan dapat
menyebabkan morbiditas dan mortalitas pasien perdarahan intrakranial. Algoritma deep
learning, di antaranya convolutional neural networks (CNN) dapat digunakan untuk
membantu dokter untuk mensegmentasi dan menghitung volume perdarahan intrakranial.
Pada penelitian ini, penulis mengusulkan segmentasi otomatis dan aproksimasi volume
perdarahan pada penderita perdarahan intrakranial dengan menggunakan metode deep
learning dan regresi. Segmentasi perdarahan dilakukan dengan menggunakan arsitektur
Dynamic Graph Convolutional Neural Network (DGCNN) sementara perhitungan
volume perdarahan dilakukan dengan menggunakan beberapa metode regresi. Data
pasien perdarahan intrakranial diperoleh dari rumah sakit Cipto Mangunkusumo yang
telah disegmentasi secara manual oleh dokter radiolog. Pada segmentasi perdarahan,
dibuat beberapa skenario dengan melakukan up sampling dan down sampling pada data.
Hasil terbaik didapatkan pada skenario tanpa melakukan up sampling menghasilkan
sensitivitas 97,8% dan spesifisitas 95,6%. Pada aproksimasi volume perdarahan, hasil
terbaik didapatkan dengan menggunakan metode support vector machine (SVM) dengan
kernel radial basis function (RBF) dengan mean squared error (MSE) 3,67 x 104
.
Kata kunci
Trauma Kepala, CT scan, deep learning, DGCNN, regresi
|
|