23.04.6663
621.382 - Artificial intelligence, Big data. Electrical engineering.
Karya Ilmiah - Skripsi (S1) - Reference
Artificial Intelligence
<p><strong>Teknik segmentasi dapat dimanfaatkan untuk membantu menyelesaikan masalah kehidupan sehari-hari. Pada bidang medis sendiri, teknik segmentasi semantik dapat diterapkan untuk membantu mendeteksi penyebaran kanker pada pasien kanker secara dini. Dalam bidang segmentasi semantik, pendekatan-pendekatan berbasis <em>Convolutional Neural Network</em> (CNN), seperti <em>Fully Convolutional Network</em> (FCN) dan <em>DeepLabv3+</em>, telah dikenal mendominasi pada bidang tersebut. Di samping itu, keberhasilan dari pendekatan <em>Transformer</em> pada bidang pemrosesan bahasa alami telah menarik banyak perhatian peneliti-peneliti untuk ikut terjun memanfaatkan pendekatan tersebut dalam menyelesaikan permasalahan segmentasi semantik. Hal itu memicu dikembangkannya <em>Vision Transformer</em> (ViT) sebagai alternatif baru dalam penyelesaian segmentasi semantik. Berbeda dengan pendekatan konvolusi yang menggunakan kernel yang digeser untuk mendapatkan informasi kontekstual lokal, pendekatan ViT menerima citra sebagai <em>patch</em> yang nantinya dapat digunakan untuk menghasilkan informasi kontekstual lokal serta global. Salah satu model yang terinspirasi dari arsitektur ViT yaitu <em>SegFormer</em> menggabungkan <em>Hierarchical</em> <em>Transformer Encoder </em>untuk menghasilkan fitur halus dengan resolusi rendah dan fitur kasar dengan resolusi tinggi dan dekoder <em>All-MLP </em>yang ringan untuk menggabungkan fitur <em>multi-level</em> yang dihasilkan dari enkoder untuk membuat <em>mask</em> segmentasi terakhir. Pada penelitian ini, model <em>SegFormer</em> digunakan untuk melakukan segmentasi terhadap citra pemindaian tulang seluruh tubuh. Hasilnya, dengan membandingkan model <em>SegFormer</em> dengan beberapa model konvolusi yaitu FCN dan <em>DeepLabv3+</em>, performa dari <em>SegFormer</em> berhasil mengalahkan kedua model konvolusi tersebut dengan nilai mIoU tertinggi yang diraih yaitu 77,86% pada data tes.</strong></p>
<p><strong>Kata kunci:</strong><strong> citra pindai tulang, segmentasi semantik, <em>Transformer</em>, konvolusi, <em>SegFormer</em>, <em>DeepLabv3+</em>, <em>FCN</em></strong></p>
Tersedia 1 dari total 1 Koleksi
Nama | RAFIF FAUSTA KUSUMA SYAM |
Jenis | Perorangan |
Penyunting | Ema Rachmawati, Mahmud Dwi Sulistiyo |
Penerjemah |
Nama | Universitas Telkom, S1 Informatika |
Kota | Bandung |
Tahun | 2023 |
Harga sewa | IDR 0,00 |
Denda harian | IDR 0,00 |
Jenis | Non-Sirkulasi |