Perpustakaan Digital ITB

Digitasi sinyal electrocardiogram (ECG) dari citra kertas merupakan tantangan penting dalam pengolahan sinyal medis, terutama untuk mempertahankan integritas morfologi dan konsistensi temporal sinyal yang bernilai klinis. Variasi kualitas citra akibat distorsi visual, degradasi kertas, dan perbedaan metode akuisisi sering menyebabkan penurunan akurasi rekonstruksi pada pendekatan konvensional. Penelitian ini mengembangkan sistem digitasi ECG berbasis arsitektur Transformer untuk merekonstruksi sinyal ECG digital langsung dari citra kertas. Tiga arsitektur dibandingkan secara sistematis, yaitu Transformer konvensional, Transformer dengan mekanisme Dynamic Tanh, dan Temporal Convolutional Network (TCN). Evaluasi kuantitatif dilakukan pada test set terkontrol yang mencakup kondisi acuan serta berbagai distorsi visual, menggunakan metrik Pearson Correlation Coefficient (PCC), Root Mean Square Error (RMSE), dan Signal-to-Noise Ratio (SNR). Hasil menunjukkan bahwa Transformer konvensional memberikan kualitas rekonstruksi paling konsisten dengan nilai rata-rata PCC 0.9419, RMSE 4.1567 mV, dan SNR 10.7089 dB, melampaui arsitektur pembanding. Analisis visual pada variasi kondisi distorsi mengonfirmasi ketahanan Transformer dalam mempertahankan struktur morfologi global sinyal. Temuan ini menegaskan bahwa arsitektur Transformer merupakan pendekatan yang paling andal untuk digitasi ECG berbasis citra ketika kualitas rekonstruksi menjadi prioritas utama.