Sistem Berbasis Deep Learning untuk Segmentasi dan Klasifikasi Tingkat Keganasan Tumor Otak Menggunakan Citra MRI 3D

Abstract

Tumor otak merupakan pertumbuhan sel abnormal di dalam otak, yang dapat bersifat jinak atau ganas. Kanker otak, yang merupakan bentuk ganas dari tumor otak, termasuk dalam jenis kanker yang paling agresif dan sering terdiagnosis pada berbagai rentang usia. Di Indonesia, terdapat sekitar 300 kasus tumor otak yang didiagnosis setiap tahunnya, termasuk pada anak-anak. Dalam menangani kasus tumor otak, diperlukan informasi mengenai lokasi spasial tumor dan tingkat keganasan tumor untuk merencanakan pembedahan dan pengobatan. Metode saat ini yang mengandalkan analisis manual pada citra Magnetic Resonance Imaging (MRI) dapat menyebabkan hasil yang bervariasi antar dokter (inter-observer error). Penelitian mengenai klasifikasi tingkat keganasan tumor otak pada citra MRI 3D juga masih terbatas. Oleh karena itu, dalam penelitian ini, akan dilakukan rancang bangun sistem yang menggunakan metode deep learning untuk segmentasi dan klasifikasi tingkat keganasan tumor otak pada citra MRI 3D. Dalam penelitian ini, telah berhasil dikembangkan sistem berbasis deep learning yang mampu melakukan segmentasi dan klasifikasi tingkat keganasan tumor otak pada citra MRI 3D. Model segmentasi tumor otak yang diusulkan menggunakan arsitektur U-Net dengan dice sebesar 82% dan mean IoU sebesar 94% pada 250 epoch. Sedangkan, model klasifikasi yang diusulkan menggunakan arsitektur Convolutional Neural Network (CNN) dengan base model ResNet50V2 yang sudah dilatih pada dataset ImageNet, head model yang terdiri dari satu lapisan dense dengan 512 nodes, dan lapisan output yang memprediksi input menjadi dua kelas, yaitu “LGG” dan “HGG” dengan accuracy sebesar 97% pada 10 epoch.