View/Open

Author
SABRINA, MILESA

Date Published
28 Sep 2026

Advisor
Rudi Setiawan, S.T., M.T.,
Rafli Filano, S.Si., M.T.,

Subject
Teknik Biomedis

Publisher

Segmentasi citra medis yang akurat sangat penting untuk perencanaan klinis. Namun, segmentasi pankreas dan tumor masih menjadi tantangan karena variabilitas anatomi dan kontras jaringan yang rendah. Penelitian ini mengevaluasi penggunaan Spatial Attention Gate (SAG) pada model 2D U-Net ResNet50 untuk segmentasi pankreas dan tumor pada citra CT. Evaluasi dilakukan dengan validasi silang 5-fold pada dataset MSD, yang di-pre-processing dan di-augmentasi. Hasil volumetrik (3D) menunjukkan bahwa model Baseline (U-Net ResNet50) signifikan lebih unggul daripada SAG U-Net, dengan nilai rata-rata DSC sebesar 0,7043 untuk pankreas dan 0,3157 untuk tumor, dibandingkan oleh SAG dengan nilai 0,6892 untuk pankreas dan 0,3042 untuk tumor. Uji Wilcoxon Signed-Rank menunjukkan bahwa SAG memiliki dampak negatif yang signifikan (p < 0> 0,05) dalam deteksi tumor. Hasil kualitatif menunjukkan bahwa SAG U-Net lebih berfokus pada pankreas, fokus pada area kontras tinggi, dan menganggap area tumor dengan kontras rendah sebagai noise. Meskipun demikian, SAG terbukti efektif dalam kasus-kasus ekstrem, memulihkan 10,44% slice dari total kegagalan deteksi dan mengurangi false positive lebih dari setengahnya (11,15% slice). Dengan demikian, 2D U-Net ResNet50 dapat memanfaatkan informasi spasial secara optimal, sehingga modul attention lebih bermanfaat sebagai metode koreksi selektif tahap kedua untuk kasus-kasus ekstrem.

URI
https://repo.itera.ac.id/depan/submission/SB2609240094

Keyword
Segmentasi Citra Medis U-Net Encoder ResNet50 Spatial Attention Gate Tumor Pankreas