Perpustakaan Digital ITB

Penyakit kardiovaskular merupakan penyebab kematian tertinggi di dunia, dengan metode analisa kondisi pasien yang paling dini adalah dengan menggunakan citra MRI yang kemudian diberikan anotasi dan analisis oleh seorang radiolog. Namun anotasi manual ini sangatlah rentan terhadap kesalahan manusia dan tidak bersifat reprodusibel. pada tugas akhir kali ini, segmentasi otomatis untuk mengukur volume jantung diimplemtasikan menggunakan Artificial Neural Network dengan arsitektur FCN-8 yang kemudian dilakukan evaluasi terhadap fungsi loss yang sudah umum digunakan untuk segmentasi semantik pada umumnya seperti Cross-Entropy dan Dice serta implementasi dari Active Contour Model. Seluruh konfigurasi dalam penilitian ini akan menggunakan dataset ACDC yang kemudian akan diukur performanya dengan Koefisien Dice, Hausdorff Distance, dan Average Symmetric Surface Distance dan membandingkan hasil yang didapat dengan kebenaran dasar untuk melihat nilai yang dilihat dan Limit of Agreement yang akan menjelaskan segmentasi semantik ini secara klinis. performa terbaik didapatkan oleh loss function ACM dengan konsistensi yang tinggi pada seluruh percobaan pada tugas akhir ini.