Skripsi

MODEL TRANSFORMER BERBASIS DEEP LEARNING UNTUK SEGMENTASI CITRA JANTUNG JANIN

---

Masalah: Identifikasi batas jantung dan rongga dada pada citra USG jantung janin masih dilakukan secara manual sehingga berpotensi menimbulkan variabilitas hasil. Selain itu, karakteristik citra USG seperti speckle noise, kontras yang rendah, serta dominasi intensitas abu-abu membuat proses segmentasi struktur anatomi menjadi lebih menantang. Tujuan: Penelitian ini bertujuan mengimplementasikan model deep learning berbasis Transformer untuk melakukan segmentasi otomatis pada area Chest Circumference (CC) dan Heart Circumference (HC). Kinerja model kemudian dievaluasi menggunakan metrik Dice Score dan Intersection over Union (IoU). Metode: Dataset yang digunakan terdiri dari 445 citra ultrasonografi (USG) jantung janin yang mencakup area Chest Circumference (CC) dan Heart Circumference (HC) sebagai objek segmentasi. Model SegFormer dengan backbone MiT-B0 hingga MiT-B5 digunakan dengan prapengolahan citra, augmentasi brightness–contrast, dan optimasi hyperparameter menggunakan Optuna. Hasil: Hasil eksperimen menunjukkan bahwa backbone SegFormer-B3 memberikan kinerja segmentasi terbaik dibandingkan backbone lainnya. Pada data pengujian diperoleh Dice Score sebesar 84.30 dan IoU sebesar 72.85 pada kelas HC serta Dice Score sebesar 83.08 dan IoU sebesar 71.06 pada kelas CC. Future Work: Penelitian selanjutnya dapat menggunakan dataset yang lebih besar serta mengeksplorasi arsitektur model yang lebih kompleks untuk meningkatkan kinerja segmentasi.

---

Availability

Detail Information

Series Title

-

Call Number

T2013842026

Publisher

Indralaya : Prodi Sistem Komputer, Fakultas Ilmu Komputer Universitas Sriwijaya., 2026

Collation

xvii, 95 hlm.; ilus.; tab.; 29 cm.

Language

Indonesia

ISBN/ISSN

-

Classification

005.407

Content Type

Text

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

Prodi Sistem Komputer
Pemrograman Sistem--Deep Learning

Specific Detail Info

-

Statement of Responsibility

MI

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment