PENGEMBANGKAN MODEL EKSTRAKSI REGION OF INTEREST SECARA OTOMATIS PADA CITRA CT-SCAN
Dublin Core
Title
PENGEMBANGKAN MODEL EKSTRAKSI REGION OF INTEREST SECARA OTOMATIS PADA CITRA CT-SCAN
Subject
ASM, CNN, Morfologi.
Description
Kanker paru adalah pertumbuhan sel kanker yang tidak terkendali dalam jaringan paru. Akhirakhir ini banyak peneliti yang telah menerapkan deep learning, khususnya Convolution Neural Network
(CNN) untuk klasifikasi kanker paru. Proses deteksi kanker paru didahului dengan tahapan ekstraksi Region
Of Interest (ROI). Ekstraksi ROI dalam deteksi kanker paru terdiri dari dua kegiatan, yaitu segmentasi
bidang paru dan operasi segmentasi kandidat kanker paru. Sebagian besar penelitian tentang deteksi
kanker menggunakan CNN, proses ekstraksi ROI dilakukan secara manual dengan melakukan kroping.
Proses ini sulit dilakukan, khususnya dalam mensegmentasi bidang paru, yaitu memisahkan area paru
dengan jaringan di sekitarnya. Jika kelainan tersebut besar dan terletak pada batas tepi paru, menyebabkan
batas tepi paru tidak jelas, sehingga jika dilakukan segmentasi, citra yang dicurigai sebagai kanker tidak
akan masuk dalam citra paru (bagian paru yang terdapat kanker akan hilang). Sehingga segmentasi bidang
paru dianggap gagal. Penelitian yang diusulkan bertujuan untuk mengembangkan model ekstraksi Region
Of Interest (ROI) secara otomatis menggunakan metode Active Shape Model dan Mathematical Morphology
pada citra CT-Scan. Penelitian yang diusulkan terdiri dari dua tahapan, yaitu, segmentasi bidang paru
menggunakan metode Active Shape Model (ASM) dan segmentasi kandidat paru menggunakan metode
Mathematical Morphology. Hasil segmentasi paru dengan metode Active Shape Model mempunyai akurasi
97,2.8%, sensitifitas 96%, dan spesifisitas 97.4%. Sedangkan hasil segmentasi kandidat kanker paru
dengan metode marfologi mempunyai akurasi 99,4%, sensitifitas 96,2%, dan spesifisitas 99.7%.
(CNN) untuk klasifikasi kanker paru. Proses deteksi kanker paru didahului dengan tahapan ekstraksi Region
Of Interest (ROI). Ekstraksi ROI dalam deteksi kanker paru terdiri dari dua kegiatan, yaitu segmentasi
bidang paru dan operasi segmentasi kandidat kanker paru. Sebagian besar penelitian tentang deteksi
kanker menggunakan CNN, proses ekstraksi ROI dilakukan secara manual dengan melakukan kroping.
Proses ini sulit dilakukan, khususnya dalam mensegmentasi bidang paru, yaitu memisahkan area paru
dengan jaringan di sekitarnya. Jika kelainan tersebut besar dan terletak pada batas tepi paru, menyebabkan
batas tepi paru tidak jelas, sehingga jika dilakukan segmentasi, citra yang dicurigai sebagai kanker tidak
akan masuk dalam citra paru (bagian paru yang terdapat kanker akan hilang). Sehingga segmentasi bidang
paru dianggap gagal. Penelitian yang diusulkan bertujuan untuk mengembangkan model ekstraksi Region
Of Interest (ROI) secara otomatis menggunakan metode Active Shape Model dan Mathematical Morphology
pada citra CT-Scan. Penelitian yang diusulkan terdiri dari dua tahapan, yaitu, segmentasi bidang paru
menggunakan metode Active Shape Model (ASM) dan segmentasi kandidat paru menggunakan metode
Mathematical Morphology. Hasil segmentasi paru dengan metode Active Shape Model mempunyai akurasi
97,2.8%, sensitifitas 96%, dan spesifisitas 97.4%. Sedangkan hasil segmentasi kandidat kanker paru
dengan metode marfologi mempunyai akurasi 99,4%, sensitifitas 96,2%, dan spesifisitas 99.7%.
Creator
Sri Widodo, Mohammad Faizuddin Bin MD Noor, Zalizah Awang Long
Source
www.sikesnas,fikes .udb.ac.id
Publisher
Universitas Duta Bangsa Surakarta
Date
25 Juni 2023
Contributor
Sri Wahyuni
Rights
e-ISSN : 2964-674X
Format
PDF
Language
Indonesian
Type
Text
Files
Citation
Sri Widodo, Mohammad Faizuddin Bin MD Noor, Zalizah Awang Long, “PENGEMBANGKAN MODEL EKSTRAKSI REGION OF INTEREST SECARA OTOMATIS PADA CITRA CT-SCAN,” Repository Horizon University Indonesia, accessed April 25, 2026, https://repository.horizon.ac.id/items/show/12579.