Perpustakaan Digital ITB

Penelitian ini bertujuan untuk mengevaluasi objek dalam konteks peningkatan kualitas citra CT yang dilakukan diluar sistem CT yang digunakan. Peningkatan kualitas citra CT berfokus pada reduksi noise berbasis algoritma REDCNN yang dibangun dengan bahasa Python. Pembangunan arsitektur REDCNN dilakukan dengan software Spyder dengan software pendukung environment Anaconda sedangkan pengolahan data dilakukan dengan Ms. Excel dan OriginLab. Objek pada penelitian ini berupa citra CT pada pencitraan dosis rendah pada kasus kanker paru-paru dengan dosis 120 kV dan 300 mA. Proses reduksi menggunakan algoritma REDCNN dengan variasi batch size 8, 16, dan 32, jumlah data 100, 300, dan 500 citra, filter, dan variasi layer. Parameter evaluasi pada proses pelatihan dilakukan dengan menentukan Training loss sebagai tolak ukur seberapa baik pelatihan yang dilakukan. Untuk kualitas citra evaluasi dilakukan dengan menentukan nilai RMSE, PSNR, dan SSIM. Hasil penelitian ini berupa tabel perandingan nilai rata-rata parameter kualitas citra serta kurva traning loss terhadap Epoch. Hasil penelitian menunjukkan hasil optimal dihasilkan dari variasi batch size 8, filter berurutan (64, 128, 256) untuk 3 layer, jumlah data 500 citra, dan Epoch 50. Hasil optimal untuk semua hyperparameter digunakan untuk menentukan hasil final reduksi noise. Parameter evaluasi kualitas citra final dicapai pada proses dengan hyperparameter optimal dan menghasilkan parameter SSIM sebesar 0,92, PSNR sebesar 36,73 dB, RMSE sebesar 1,46 ? 10?2 . Berdasarkan hasil parameter yang didapatkan dapat disimpulkan bahwa algoritma REDCNN dengan batch size 8, filter berurutan (64, 128, 256) pada 3 layer, 500 data pelatihan untuk 80 epoch efektif untuk mereduksi noise pada citra CT.