SEGMENTASI TUMOR OTAK PADA CITRA MAGNETIC RESONANCE IMAGING DENGAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Otak merupakan salah satu organ penting yang ada pada tubuh manusia sebagai sistem saraf pusat. Salah satu penyakit yang dapat menyerang pada otak adalah Tumor otak. Tumor otak merupakan salah satu penyakit mematikan yang menyerang bagian glioma dan berasal dari sel-sel glial dalam otak. Untuk dapat mengidentifikasi penyakit tersebut pasien diharuskan melakukan pemeriksaan secara rutin menggunakan CT (Computed Tomography) Scan. Citra MRI yang diapatkan dalam bentuk 3 Dimensi tersebut akan diperiksa oleh dokter secara manual yang bersifat subjektif dan selanjutnya dilakukan evaluasi oleh dokter. Perhitungan secara manual tersebut dapat menyebabkan resiko kesalahan manusia menjadi lebih besar, dan membutuhkan waktu yang lama. Pada citra MRI juga memiliki permasalahan yaitu, rentang intensitas pada citra MRI yang berbeda menyebabkan dibutuhkannya pembelajaran fitur perlu yang detail untuk dapat mengidentifikasi tumor otak. Oleh karena itu, dibutuhkannya perhitungan semi otomatis atau otomatis untuk dapat melakukan segmentasi tumor otak tersebut dengan menggunakan CNN (Convolutional Neural Network) dengan menggunakan ukuran kernel konvolusi layer yang kecil untuk mendapatkan model informasi fitur secara detail. Dalam mengolah citra MRI diperlukan tahapan pre-processing dengan menggunakan normalisasi intensitas, dan patch extraction. Citra yang telah dilakukan pre-processing akan diproses oleh metode CNN. Pada penelitian ini, dilakukan beberapa skenario percobaan untuk mengetahui jumlah kernel pada lapisan konvolusi terhadap kinerja CNN. Hasil dari uji coba yang dilakukan, tiga model CNN dengan jumlah kernel pada lapisan konvolusi tiga, lima, dan tujuh memperoleh f1 score secara berturut-turut sebesar 0.87, 0.88, dan 0.84.