Skripsi
PERANCANGAN YOU ONLY LOOK ONCE (YOLO) DENGAN SLICING AIDED HYPER INFERENCE (SAHI) DAN CONVOLUTIONAL BLOCK ATTENTION MODULE (CBAM) DALAM SEGMENTASI LUBANG KECIL PADA CITRA JANTUNG ANAK
Pengenalan objek berukuran kecil merupakan tantangan signifikan dalam tugas deteksi dan segmentasi model, terutama ketika objek tersebut sangat kecil dibandingkan dengan area sekitarnya. Hal ini sangat penting dalam aplikasi seperti diagnosis penyakit, yang memerlukan presisi tinggi. Tantangan ini semakin kompleks dengan adanya variasi orientasi citra, tingkat noise yang tinggi, kompleksitas latar belakang, dan kurangnya ketajaman gambar. Penelitian ini bertujuan untuk merancang model berbasis deep learning yang mampu meningkatkan performa deteksi dan segmentasi objek kecil. Penelitian ini menggunakan data citra jantung anak yang diperoleh melalui ultrasonografi (USG) dari 211 pasien, dengan total 4222 gambar. Data tersebut berfokus pada tiga jenis kasus, yaitu ASD, AVSD, dan VSD. Fokus penelitian adalah pada pendeteksian dan segmentasi "Hole" (H) pada citra jantung anak, yang merupakan kelainan pada kasus jantung anak. Pendekatan yang digunakan melibatkan model YOLOv5, YOLOv7, dan YOLOv8 dengan kustomisasi arsitektur menggunakan attention module berupa CBAM, ResNetBlock CBAM, dan ResNeXtBlock CBAM, serta menggunakan metode inferensi dari SAHI yang dikombinasikan dengan MedSAM untuk meningkatkan performa deteksi dan segmentasi. Hasil evaluasi menggunakan data validasi dan unseen menunjukkan bahwa model terbaik adalah YOLOv8 yang dikombinasikan dengan ResNeXtBlock CBAM setelah modul SPPF, dengan performa mAP50(M) sebesar 97%.
| Title | Edition | Language |
|---|---|---|
| DETEKSI CARA PANDANG RUANG JANTUNG JANIN MENGGUNAKAN ARSITEKTUR YOU ONLY LOOK ONCE (YOLO) | id |