出版社：Lembaga Penelitian dan Pengabdian kepada Masyarakat
摘要：Modalitas pencitraan primer untuk untuk pemeriksaan anatomi dan fisiologi janin adalah alat ultrasonografi (USG) medis 2 dimensi mengingat harganya yang murah, ketersediaan yang melimpah, kemampuan realtime, dan tidak adanya bahaya radiasi. Head Circumference (HC) merupakan parameter pengukuran biometri janin yang dianalisa untuk mengetahui perkembangan janin secara kuantitatif dengan menggunakan mesin USG. Pada praktik klinis, karena rasio signal-to-noise yang rendah, klinisi seringkali mengalami kesulitan untuk mengenali bidang janin dengan tepat. Lebih dari itu, klinisi kesulitan untuk membuat elips yang paling mendekati hanya dengan tiga titik parameter minor dan mayor yang disediakan mesin USG. Proses deteksi dan pengukuran HC secara manual oleh klinisi membutuhkan waktu yang cukup lama dan akurasinya sangat bergantung dengan pengalaman dan kemampuan klinisi. Penelitian mengenai deteksi dan pengukuran otomatis HC sedang menjadi bidang penelitian yang cukup aktif. Dalam penelitian ini diajukan sebuah sistem deteksi otomatis untuk HC. Metode Convolutional Neural Network (CNN) diajukan untuk melakukan klasifikasi bidang elips janin dari jaringan ibu maupun jaringan janin lainnya. CNN dipekerjakan untuk pixel-wise classification citra ke dalam kelas bidang janin, maternal tissue, ataupun background. Pada penelitian ini, dari 13 citra uji, didapatkan rata rata akurasi segmentasi semantik sebesar 0.76.
