Segmentasi Tumor Otak Berdasarkan Citra Magnetic Resonance Imaging Dengan Menggunakan Metode U-NET

Abstract

Tumor otak merupakan salah satu penyakit yang mematikan dimana 3.7% per 100.000 pasien mengidap tumor ganas. Untuk menganalisa tumor otak dapat dilakukan melalui segmentasi citra Magnetic Resonance Imaging (MRI). Proses analisa citra secara otomatis dibutuhkan untuk menghemat waktu dan meningkatkan akurasi dari diagnosa yang dilakukan. Segmentasi secara otomatis dapat dilakukan dengan deep learning. U-NET merupakan salah satu metode yang digunakan untuk melakukan segmentasi citra medis karena bekerja dapa pixel level. Dengan menerapkan fungsi aktivasi ReLU dan Adam Optimizer, metode ini dapat menyelesaikan permasalahan segmentasi tumor otak. Dataset untuk proses training dan validation menggunakan BRATS 2017. Beberapa hyperparameter diterapkan pada metode ini yaitu, learning rate (lr) = 0.0001, batch size (bz) = 5, epoch = 80 dan beta (  ) = 0.9. Dari serangkaian proses yang dilakukan, akurasi metode U-NET dihitung dengan rumus Dice Coefficient dan menghasilkan nilai akurasi sebagai berikut: 90.22% (Full Tumor), 78.09% (Core Tumor) dan 80.20% (Enhancing Tumor).