Perpustakaan Digital ITB

Intracranial Hemorrhage merupakan jenis cedera dimana terjadi perdarahan di dalam area tengkorak baik pada jaringan otak secara langsung ataupun tidak. Segala tipe intracranial hemorrhage mempunyai risiko kematian yang tinggi bila tidak terdeteksi dan ditangani dengan cepat. Pada praktiknya di rumah sakit, proses skrining lebih dahulu dilakukan secara manual oleh radiografer setelah hasil CT scan keluar, baru dilanjutkan kepada dokter radiologi untuk pembacaan dan diagnosis lebih lanjut. Proses ini memunculkan adanya kesempatan terjadinya human error yang membuat pasien intracranial hemorrhage tertunda untuk diobservasi dan didiagnosis oleh dokter radiologi untuk diberi penanganan cepat. Dibutuhkan adanya solusi dimana proses skrining dapat dilakukan secara otomatis dan dokter radiologi diberitahukan secepatnya untuk melakukan diagnosis lebih lanjut. Deep learning dipilih menjadi solusi karena tahap pemrosesan dan inference yang otomatis serta potensinya untuk memberikan hasil akurat dengan dukungan data yang memadai. Selain itu, karena integrasi dengan sistem informasi di rumah sakit belum bisa dilakukan, model deep learning yang dikembangkan akan dikemas dalam bentuk website yang menjembatani proses dari akuisisi data citra CT scan ke hasil yang dapat dilihat oleh dokter. Pada tugas akhir ini, telah dikembangkan dua buah arsitektur deep learning yaitu U-Net dengan backbone ResNet34 yang memberikan performa segmentasi dice score: 0.546 ± 0.154 dan IoU: 0.387 ± 0.131, serta performa klasifikasi F1-Score: 0.716, recall (True Positive Rate): 0.841, dan False Positive Rate: 0.409, dan U-Net dengan backbone DenseNet121 yang memberikan performa segmentasi dice score: 0.505 ± 0.225 dan IoU: 0.361 ± 0.190, serta performa klasifikasi F1-Score: 0.721, recall (True Positive Rate): 0.806, dan False Positive Rate: 0.347. Dipilihlah arsitektur deep learning U-Net dengan backbone ResNet34 untuk diintegrasikan ke website. Website yang dibuat memiliki 9 laman utama dan 1 fitur jendela notifikasi. Dilakukan juga usability testing kepada pengguna yang memberikan hasil SUS 75.25 dan hasil SEQ > 5 untuk semua fitur pada website.