Perpustakaan Digital ITB

Retinopati diabetik adalah komplikasi dari penyakit diabetes yang dapat menyebabkan kebutaan. Gula darah tinggi pada pembuluh retina mengakibatkan penyumbatan serta kebocoran cairan pembuluh darah. Diperlukan pendeteksian penyakit sedini mungkin dengan mendeteksi tanda-tanda klinis penyakit pada retina. Proses screening penyakit retinopati diabetik harus dilakukan rutin dan akan membutuhkan tenaga ahli mata yang banyak. Pendeteksian tanda klinis menggunakan komputer dapat membantu dalam proses ini. Salah satu tanda klinis yang menjadi ciri dari penyakit retinopati diabetik adalah hard exudate. Hard exudate merupakan cairan pembuluh darah yang bocor akibat kerusakan dinding pembuluh darah dan keberadaan telah diasosiasikan dengan peningkatan risiko penurunan penglihatan dan hard exudate memerlukan pengobatan untuk dapat hilang. Oleh karena itu, dengan mendeteksi hard exudate akan membantu dalam pencegahan kehilangan penglihatan, pendeteksian penyakit retinopati diabetik, dan memantau keberjalanan pengobatan untuk menghilangkan hard exudate. Pada penelitian ini, dilakukan pelatihan model segmentasi semantik hard exudate pada dataset IDRiD menggunakan arsitektur U-Net dengan melakukan tuning parameter fungsi aktivasi, fungsi loss, dan dropout. Ukuran input citra akan mempengaruhi komputasi, semakin besar citra maka akan semakin berat beban komputasinya. Telah terdapat penelitian yang merubah ukuran citra dengan ukuran 640 × 640, 960 × 640, dan 1440 × 960 untuk mensegmentasi hard exudate. Ukuran 1440 × 960 menghasilkan F1-score lebih tinggi dibandingkan 960 × 640, dan AUPR lebih tinggi dibandingkan ukuran input 640 × 640. Dilakukan penelitian untuk mengetahui pengaruh penggunaan ukuran input 640 × 640 dan 960 × 960. Nilai F1-score hasil segmentasi adalah 0,6925 untuk ukuran 640 × 640 dan 0,6934 untuk ukuran 960 × 960. Nilai p-value antara hasil segmentasi 80 citra kedua ukuran untuk metrik F1-score, akurasi, sensitivitas, spesifisitas, PPV, dan NPV masing-masing menghasilkan nilai lebih dari 0,05 yang menandakan tidak ada perbedaan signifikan antara ukuran dengan hasil segmentasi hard exudate. Penyebab utama false positive pada hasil segmentasi adalah resampling yang dilakukan untuk mengembalikan citra ke ukuran aslinya. Alasan lainnya adalah misklasifikasi daerah reflektif pada retina seperti pembuluh darah retina serta patologi-patologi lain yang memiliki kemiripan sifat, seperti drusen dan soft exudate.