Deteksi Arteri Karotis pada Citra Ultrasound B-Mode Berbasis Convolution Neural Network Single Shot Multibox Detector
| Main Authors: | Sunarya, I Made Gede, Karlita, Tita, Priambodo, Joko, Rokhana, Rika, Yuniarno, Eko Mulyanto, Sardjono, Tri Arief, Sunu, Ismoyo, Purnama, I Ketut Eddy |
|---|---|
| Other Authors: | Kementerian Riset dan Pendidikan Tinggi, Lembaga Pengelola Dana Pendidikan (LPDP) Kementerian Keuangan |
| Format: | Article info application/pdf eJournal |
| Bahasa: | ind |
| Terbitan: |
Departemen Teknik Komputer, Fakultas Teknik, Universitas Diponegoro
, 2019
|
| Subjects: | |
| Online Access: |
https://jtsiskom.undip.ac.id/index.php/jtsiskom/article/view/13283 https://jtsiskom.undip.ac.id/index.php/jtsiskom/article/view/13283/12507 |
Daftar Isi:
- Deteksi area vaskular (pembuluh darah) menggunakan citra ultrasound B-Mode diperlukan untuk aplikasi otomatis seperti registrasi dan navigasi dalam operasi medis. Penelitian ini melakukan kajian deteksi area arteri karotis menggunakan Convolution Neural Network Single Shot Multibox Detector (SSD) untuk menentukan RoI area arteri karotis dengan fitur bounding box pada citra ultrasound B-Mode. Data yang digunakan dalam penelitian adalah citra ultrasound B-Mode pada bagian leher yang mengandung area arteri karotis (data primer). Hasil metode SSD memiliki akurasi 95% dan akurasi yang lebih tinggi dari metode transformasi Hough, metode Ellipse dan Faster RCNN dalam mendeteksi area arteri karotis pada citra ultrasound B-Mode. Penerapan image enhancement dengan filter Gaussian, histogram equalization dan filter Median memberikan pengaruh dalam peningkatan akurasi deteksi. Waktu proses terbaik dari metode yang diusulkan adalah 2,09 detik sehingga dapat diterapkan dalam sistem yang bersifat real-time.
- Detection of vascular areas (blood vessels) using B-Mode ultrasound images is needed for automatic applications such as registration and navigation in medical operations. This study developed the detection of the carotid artery area using Convolution Neural Network Single Shot Network Multibox Detector (SSD) to determine the bounding box ROI of the carotid artery area in B-mode ultrasound images. The data used are B-Mode ultrasound images on the neck that contain the carotid artery area (primary data). SSD method result is 95% of accuracy which is higher than the Hough transformation method, Ellipse method, and Faster RCNN in detecting carotid artery area in the B-Mode ultrasound image. The use of image enhancement with Gaussian filter, histogram equalization, and Median filters in this method can increase detection accuracy. The best process time of the proposed method is 2.09 seconds so that it can be applied in a real-time system.