Electronic Theses and Dissertation

Penyakit kanker payudara adalah kanker yang terbentuk pada jaringan payudara. Kanker payudara terjadi ketika sel-sel pada jaringan payudara tumbuh secara tidak terkendali dan menyerang jaringan payudara sehat disekitarnya, yang ditandai dengan peningkatan suhu di daerah payudara. Korban dari penyakit ini cukup banyak dan mayoritas yang terjangkit ada di kalangan wanita. Penyakit ini sangat susah untuk disadari pada tahap awal karena ukuranya yang kecil, benjolan baru dapat terdeteksi atau terasa ketika ukuranya cukup besar sehingga kebanyakan kasus ditindaklanjuti ketika keadaan dari kanker sudah cukup parah . Penelitian ini bertujuan untuk merancang sebuah prototipe termal guna deteksi dini kanker payudara dengan menggunakan informasi permukaan kulit tubuh pasien melalui pencitraan termal atau termografi. Prototipe termal dibangun dengan menggunakan sensor kamera FLIR Lepton 3.5 dan mikrokomputer Raspberry Pi. Kemudian prototipe termal ini diintegrasikan dengan algoritma interpretasi citra deep learning yang mampu mengklasifikasikan citra termal payudara ke dalam kelas healthy dan cancer. Model deep learning yang telah menunjukkan akurasi maksimal dibenamkan pada prototipe termal untuk memungkinkan pemrosesan deteksi secara langsung menggunakan prototipe termal yang dibangun tanpa harus mengirim data ke perangkat lain. Hasil penelitian berupa prototipe termal yang mampu membaca suhu permukaan kulit dan ditampilkan pada layar LCD. Terlebih lagi model yang dibenamkan pada prototipe termal mampu melakukan proses skrining secara real-time dan citra yang dilkasifikasikan berhasil dilakukan pelabelan dan disimpan pada penyimpanan internal.

Breast tissue is where breast cancer develops. Breast cancer is defined by an increase in warmth in the breast area and is brought on when cells in the breast tissue grow out of control and assault the surrounding healthy breast tissue. There are quite a few victims of this illness, and most of those sick are female. The small size of this illness makes it very challenging to identify in the early stages. However, when the size is large enough, additional lumps may be felt or recognized, allowing for the majority of cases to be monitored after the cancer has progressed sufficiently. The purpose of this project is to develop a thermal prototype for the early diagnosis of breast cancer utilizing data from thermal imaging or thermography of the patient's body skin surface. A Raspberry Pi microprocessor and FLIR Lepton 3.5 camera sensor were used to create the thermal prototype. Then, a deep learning image interpretation algorithm is coupled with this thermal prototype to enable the classification of breast thermal pictures into healthy and cancerous classifications. In order to enable detection processing immediately utilizing constructed thermal prototypes without requiring the transfer of data to other devices, deep learning models with the highest level of accuracy are included in thermal prototypes. The study's findings are represented by a thermal prototype that can read the skin's surface temperature and show it on an LCD screen. Additionally, the thermal prototype's embedded model is able to carry out the screening procedure in real-time, and the successfully labeled and saved categorized photos.