Perpustakaan Digital ITB

Segmentasi pembuluh darah pada circle of Willis (CoW) memiliki peran penting dalam mendukung prosedur transcranial Doppler ultrasound (TCD) sebagai alat non-invasif untuk memantau aliran darah di otak. Tantangan utama dalam segmentasi ini adalah memastikan deteksi yang akurat pada struktur vaskular yang kompleks, terutama dengan variasi intensitas dan anatomi. Penelitian ini menggunakan metode segmentasi region growing, yang mengandalkan parameter intensitas dan gradien untuk mengekstrak struktur CoW dari 90 data CT angiography (CTA). Selain itu, dilakukan evaluasi pengaruh variasi kerapatan slice dengan tiga skenario, yaitu penghilangan 1, 2, dan 3 slice dari data asli, yang kemudian direkonstruksi dengan interpolasi linear. Hasil evaluasi segmentasi menunjukkan nilai Dice Similarity Coefficient (DSC) sebesar 0.556 ± 0.112, presisi sebesar 0.414 ± 0.125, dan recall sebesar 0.904 ± 0.087, yang mengindikasikan kemampuan algoritma dalam mendeteksi pembuluh darah tetapi dengan tingkat kesalahan false positive yang masih signifikan. Kesalahan false positive dominan berasal dari tulang sphenoid dan false negative akibat kontras yang kurang kuat. Pada uji pengaruh kerapatan slice, ditemukan bahwa kinerja segmentasi yaitu recall mulai menunjukkan penurunan signifikan pada data dengan kerapatan 33.33% atau ketebalan slice 2.1 mm. Temuan ini menegaskan pentingnya optimasi parameter segmentasi dan pemilihan ketebalan slice untuk memastikan hasil yang akurat dalam aplikasi TCD berbasis citra.