![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
18319007 Nugroho Adiyono Cahyo.pdf
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Tumor otak merupakan sel yang abnormal pada jaringan otak yang dapat
berkembang seiring waktu. Segmentasi dilakukan untuk membantu
memantau perkembangan tumor serta lokasi tumor. Penggunaan deep
learning dapat digunakan untuk melakukan segmentasi pada tumor otak.
Salah satu arsitektur yang dapat digunakan adalah U-Net. U-Net dapat
dimodifikasi kedalamannya. Pada penelitian ini, dilakukan penggunaan U-
Net dengan berbagai kedalaman untuk melakukan segmentasi otak.
Kedalaman U-Net berpengaruh terhadap kinerja segmentasi. Meningkatnya
kedalaman U-Net menyebabkan peningkatan F1-score. Peningkatan F1-
score tes dari level 1 ke 2 sebesar 17.9%. Peningkatan F1-score tes dari level
2 ke level 3 sebesar 3.6%. Peningkatan F1-score tes dari level 3 ke level 4
sebesar 0.7%. Peningkatan F1-score tes dari level 4 ke level 5 sebesar 1.1%.
Penambahan kedalaman juga menyebabkan U-Net semakin mengenali fitur
tumor. Pada meningioma, faktor intrinsik yang mempengaruhi kinerja
segmentasi adalah circularity dan intensitas rata-rata. Pada tumor pituitari,
fitur yang mempengaruhi kinerja segmentasi adalah intensitas standar
deviasi. Pada glioma, fitur yang mempengaruhi kinerja segmentasi adalah
circularity, standar deviasi intensitas, serta intensitas maksimum. Faktor-
faktor yang menyebabkan U-Net gagal melakukan segmentasi antara lain
akibat inkonsistensi kontur ground truth, karakteristik intensitas tumor,
kualitas akuisisi citra, tidak mengenali konteks anatomi otak, serta tumor
pituitari yang sulit dikenali.