Haq, Ahmad Fayyadh Qaimul (2022) Deteksi tumor otak menggunakan Modification LU-NET berbasis CITRA MRI. Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.
Text (Fulltext)
17650091.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (3MB) |
Abstract
INDONESIA:
Kasus tumor otak memiliki angka yang sangat tinggi, yaitu 34 per 100.000 penduduk per tahun di seluruh dunia. Sedangkan di Indonesia kasus kematian yang disebabkan tumor otak juga tergolong tinggi, yaitu sebanyak 5405 kasus kematian dari 6337 kasus, atau 85,29% di tahun 2016. Diagnosis penyakit pada tumor otak dapat diketahui dengan menggunakan citra MRI. Salah satu pilihan untuk mengolah hasil MRI adalah dengan menggunakan software deteksi tumor otak yang bisa mendiagnosis secara otomatis hasil citra MRI. Sistem ini akan dibangun dengan mengimplementasikan algoritma Modification Lu-Net, dimana algoritma yang digunakan merupakan hasil modifikasi dari algoritma Lu-Net yang dikembangkan Rai & Chatterjee pada tahun 2020. Penelitian ini bertujuan untuk mengukur seberapa tinggi accuracy, f-score, precision, recall, dan specificity algoritma Modification Lu-Net untuk mendeteksi tumor otak berdasarkan citra MRI dan mengetahui faktor-faktor apa yang mempengaruhi hasil accuracy algoritma Modification Lu-Net. Total data yang digunakan terdiri dari 3929 data citra MRI yang setiap citra memiliki mask sebagai ground truth atau lokasi objek tumor yang benar, dimana sebanyak 2556 citra MRI yang memiliki tumor otak dan 1373 citra MRI otak normal. Pengujian pertama dilakukan dengan metode K-Fold Cross Validation dan pengujian kedua dilakukan dengan beberapa data training yang berbeda, beberapa leraning rate, dan beberapa optimizer. Penelitian ini berhasil memperoleh hasil lebih baik dibandingkan dengan penelitian yang dilakukan Rai & Chatterjee di tahun 2020, dimana penelitian ini menghasilkan nilai recall 81,96%, precision 86,03%, specificity 99,83%, accuracy 99,64%, dan f-score 83,91%. Pengujian kedua mendapatkan hasil bahwa semakin banyak jumlah data training yang digunakan maka hasil accuracy akan semakin baik, selain itu pemilihan learning rate dan optimizer yang tepat akan mampu menghasilkan nilai accuracy yang lebih baik.
ENGLISH:
Cases of brain tumors have a very high rate, which is 34 per 100,000 population per year worldwide. Meanwhile, in Indonesia, cases of death caused by brain tumors are also relatively high, namely as many as 5405 cases of death out of 6337 cases, or 85.29% in 2016. Diagnosis of brain diseases including brain tumors can be known using MRI imagery. One option to process MRI results is to use brain tumor detection software that can automatically diagnose MRI image results. This system will be built by implementing the Modification Lu-Net algorithm, where the algorithm used is the result of a modification of the Lu-Net algorithm developed by Rai & Chatterjee in 202. This study aims to measure how high the accuracy, f-score, precision, recall, and specificity of the Modification Lu-Net algorithm is to detect brain tumors based on MRI images and find out what factors influence the accuracy results of the Modification Lu-Net algorithm. The total data used consisted of 3929 MRI image data, each image of which had a mask as the correct ground truth or location of tumor objects, of which 2556 MRI images had brain tumors and 1373 normal brain MRI images. The first test was conducted with the K-Fold Cross Validation method and the second test was conducted with several different training data, some learning rates, and several optimizers. This study managed to obtain better results compared to the research conducted by Rai & Chatterjee in 2020, where this study produced a recall value of 81.96%, a precision of 86.03%, a specificity of 99.83%, an accuracy of 99.64%, an f-score of 83.91%. The second test found that the more the amount of training data used, the better the accuracy results will be, besides that the selection of the right learning rate and the optimizer will be able to produce better accuracy.
مستخلص البحث:
ان ورم الدمغي هو مسألة بعدد عالي جدايعنى34من100000من السكان العالمي في السنة. واما في إندونيسيا هذه المسألة كثيرة بأن تسبب بوفات الانسن ، في بحثPatelفي عام2019في إندونيسيا ، كانعام2016ماتوا السكانه بسبب ورم الدمغيبعدد5405من6337حالات الوفاة، أو85.29٪ نسبة الموت من جميع الحالات. عرف عن التشخيص المجاهز على النتائج التصوير صور التصوير بالرنين المغناطيسي. خيارمن خيارات كذالك بورم الدمغي باستخدامأمراض الدماغ و بالرنين المغناطيسي يعنى بإستعمال البرنامج الجاهزة لكشف ورم الدمغي الذي يكشف نتائج صور التصوير بالرنين المغناطيسي تلقائيا أو أوتوماتيكيا. سيبنىهذا النظام بإطباق خوارزميةModification Lu-Net,كانت هذه الخوارزمية هي النتيجة التعديل من خوارزميةLu-Netالتي طورتهاRai & Chatterjeeفي عام2020. الهدف من هذا البحث ليقيس الإرتفاع من استرجاع دقة ، دقة ، درجة ، خصوصية خوارزميةModification Lu-Netللكشف عن ورم الدمغيبصور التصوير من الرنين المغناطيسي وليعرف العوامل التي تؤثر على نتيجةصحةخوارزميةModification Lu-Net. المجموع من البيانات التي تفيدبها يعنى3929من صورة تصوير بالرنين المغناطيسي ، و لكل صورة كاالحقيقة الأساسيةأومواقع الورم الصحيحا، منها2556صورة بالرنين المغناطيسي بها أورام دماغية و1373صورة تصوير بالرنين المغناطيسي للدماغ سالما. كانت تجربة الأولى بطريقةK-Fold Cross Validationإجراء الاختبار الثاني باستخدام العديد من بيانات التدريب المختلفة ، وبعض معدلات التنفيذ ، وتم والعديد من المحسنات. تمكنت هذه الدراسة من الحصول على نتائج أفضل مقارنة بالبحث الذي أجراهRai & Chatterjeeفي عام2020، حيث أنتجت هذه الدراسة قيمة استدعاء81.96٪ ، والدقة86.03٪ ، والنوعية99.83٪ ، والدقة99.64، ٪ ودرجة83.91٪. وجد الاختبار الثاني أنه كلما زادت كمية بيانات التدريب المستخدمة ، كانت نتائج الدقة أفضل ، إلىجانب أفضل دقة قيمة إنتاج على قادرا سيكون والمحسن الصحيح التعلم معدل اختيار أن
Item Type: | Thesis (Undergraduate) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
Supervisor: | Santoso, Irwan Budi and Hariyadi, M. Amin | |||||||||
Contributors: |
|
|||||||||
Keywords: | Deteksi Tumor Otak; Modification Lu-Net; Citra MRI Brain Tumor Detection; Modification Lu-Net; MRI Image كشف ورم الدمغي ; Modification Lu-Net; صورة التصوير بالرنين المغناطيسي | |||||||||
Subjects: | 08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing > 080104 Computer Vision 08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing > 080106 Image Processing 08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing > 080199 Artificial Intelligence and Image Processing not elsewhere classified |
|||||||||
Departement: | Fakultas Sains dan Teknologi > Jurusan Teknik Informatika | |||||||||
Depositing User: | Ahmad Fayyadh Qaimul Haq | |||||||||
Date Deposited: | 08 Feb 2023 11:07 | |||||||||
Last Modified: | 08 Feb 2023 11:07 | |||||||||
URI: | http://etheses.uin-malang.ac.id/id/eprint/42929 |
Downloads
Downloads per month over past year
Actions (login required)
View Item |