IMPLEMENTASI ENHANCED PREPROCESSING PADA SEGMENTASI AREA TUMOR OTAK MRI MENGGUNAKAN YOLOV8-SEG

Fatchurroziq, Ananda Bagus (2026) IMPLEMENTASI ENHANCED PREPROCESSING PADA SEGMENTASI AREA TUMOR OTAK MRI MENGGUNAKAN YOLOV8-SEG. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full Text) RAMA_57201_2213030014.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text (Similarity) RAMA_57201_2213030014_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (3MB)
	Text (Cover sd BAB 1 + References) RAMA_57201_2213030014_706098902_712108103_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (537kB)
	Text (BAB 2) RAMA_57201_2213030014_706098902_712108103_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (488kB)
	Text (BAB 3) RAMA_57201_2213030014_706098902_712108103_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (327kB)
	Text (BAB 4) RAMA_57201_2213030014_706098902_712108103_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (688kB)
	Text (BAB 5) RAMA_57201_2213030014_706098902_712108103_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (147kB)
	Text (References) RAMA_57201_2213030014_706098902_712108103_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (147kB)
	Text (Lampiran) RAMA_57201_2213030014_706098902_712108103_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (481kB)

Abstract

Tumor otak membutuhkan diagnosis otomatis berpresisi tinggi melalui pencitraan Magnetic Resonance Imaging (MRI) T1-CE. Namun, tingginya variasi intensitas sebaran piksel dan batas lesi bergradasi halus (fuzzy boundaries) sering kali menurunkan tingkat akurasi segmentasi otomatis pada citra mentah. Penelitian ini bertujuan mengimplementasikan dan mengevaluasi efektivitas teknik enhanced preprocessing murni menggunakan arsitektur YOLOv8l-seg untuk mendongkrak akurasi segmentasi area lesi. Metode penelitian ini memanfaatkan 3.064 citra dari 233 pasien yang dipartisi ketat berbasis subjek (Patient-Level Split) guna memutus total celah kebocoran data. Pemodelan dieksekusi dalam dua skenario komparatif, yaitu Baseline Model menggunakan citra mentah dan Enhanced Model menggunakan citra terproses. Hasil pengujian kuantitatif pada data validasi membuktikan keunggulan linear dari Enhanced Model dengan capaian Precision sebesar 0.86015, Recall 0.79707, dan mAP50 mencapai 0.86007. Lebih lanjut, pengujian spasial terhadap 359 citra data uji murni menghasilkan rata-rata skor Dice Similarity Coefficient (DSC) paling superior sebesar 0.7153, mengungguli Baseline Model yang hanya memperoleh skor 0.5839. Kesimpulannya, penajaman kontras lokal tanpa filter pemburam yang dipadukan dengan arsitektur varian Large sangat andal mengekstraksi batas anatomi lesi secara utuh. Limitasi penelitian ini terletak pada penggunaan modalitas sekuens tunggal citra 2D. Oleh karena itu, pengembangan penelitian selanjutnya disarankan menggunakan ekspansi dataset multi-modalitas seperti sekuens T2 dan FLAIR untuk memperkaya informasi visual batas edema.

Available Versions of this Item

• IMPLEMENTASI ENHANCED PREPROCESSING PADA SEGMENTASI AREA TUMOR OTAK MRI MENGGUNAKAN YOLOV8-SEG. (deposited UNSPECIFIED)
  • IMPLEMENTASI ENHANCED PREPROCESSING PADA SEGMENTASI AREA TUMOR OTAK MRI MENGGUNAKAN YOLOV8-SEG. (deposited UNSPECIFIED) [Currently Displayed]

Actions (login required)

View Item