FAUZAN RIZKI Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Elektro 2025 id Indonesia

Skripsi

Segmentasi citra MRI jantung merupakan komponen penting dalam pengembangan sistem analisis medis berbasis otomasi untuk diagnosis dan evaluasi penyakit kardiovaskular. Penelitian ini mengusulkan model segmentasi citra MRI jantung yang mengintegrasikan arsitektur U-Net dengan Jaringan Adverserial Generatif (GAN) untuk meningkatkan ketepatan batas anatomi dan konsistensi spasial hasil segmentasi. Eksperimen dilakukan menggunakan dataset Automated Cardiac Diagnosis Challenge (ACDC) 2017, yang terdiri dari citra MRI jantung beserta anotasi ground truth dari ahli sebagai acuan evaluasi. Tahapan penelitian meliputi preprocessing data, pembangunan model, pelatihan, dan evaluasi kuantitatif. Kinerja segmentasi diuji menggunakan metrik Dice Score (DSC) dan Intersection over Union (IoU). Model baseline U-Net dengan konfigurasi batch size 4, learning rate 1×10⁻⁴, optimizer Adam, dan fungsi loss Categorical Cross-Entropy menghasilkan rata-rata DSC sebesar 71,99% dan IoU sebesar 62,73%. Model U-Net+GAN yang diusulkan menunjukkan peningkatan kinerja secara signifikan dengan rata-rata DSC sebesar 80,50% dan IoU sebesar 72,46%. Hasil ini menunjukkan bahwa penggabungan mekanisme adversarial mampu meningkatkan realisme anatomi pada mask hasil prediksi dan secara substansial memperbaiki akurasi segmentasi dibandingkan model U-Net baseline. IMAGE PROCESSING - COMPUTER SCIENCE - ENGINEERING 621.399 4 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1706381 2025-11-11 09:55:44 2025-11-12 10:09:42 machine generated