Deteksi Tumor pada Citra MRI Otak Menggunakan Metode Deep Learning YOLO

NAUFAL IRFANI, Dr. Indah Soesanti, S.T., M.T.;Dr.Eng. Sunu Wibirama, S.T., M.Eng.

2022 | Skripsi | S1 TEKNOLOGI INFORMASI

Saat ini, deteksi objek mulai banyak digunakan dalam berbagai bidang, salah satunya pada bidang kesehatan. Deteksi objek pada bidang kesehatan yaitu kanker payudara, kanker paru-paru, tumor otak, dan masih banyak lagi. Permasalahan deteksi kelainan pada citra medis, pengenalan kelainan dan penunjukan lokasi yang tepat menjadi hal penting yang dapat menentukan nilai presisi yang dicapai. Selain itu, waktu yang dibutuhkan untuk melakukan pendeteksian juga menjadi hal penting yang harus diperhatikan. Pada bidang kesehatan membutuhkan waktu yang lama jika harus mengecek serta memvalidasi adanya tumor secara satu per satu. Oleh karena itu, project capstone ini dilakukan untuk membuat sebuah model deteksi objek yang dapat mendeteksi tumor pada citra medis MRI otak. Model tersebut memiliki tingkat presisi yang tinggi dengan waktu yang dibutuhkan relatif singkat. Model deteksi objek menerima masukan berupa citra MRI otak, yang kemudian citra tersebut akan diproses sehingga menghasilkan keluaran berupa lokasi tumor pada citra tersebut serta tingkat confidence yang diperoleh. Luaran dari project capstone yang dilakukan yaitu model deteksi objek yang dapat mendeteksi kelainan berupa tumor pada citra medis MRI. Deteksi tumor pada citra MRI otak pada project capstone ini menggunakan beberapa metode deep learning. Terdapat tiga metode yaitu YOLO v4, YOLO v5, dan SSD MobileNet. Masing-masing metode menghasilkan tingkat presisi yang berbeda-beda, YOLO v5 memiliki tingkat presisi paling tinggi yaitu 98,37%. Selain itu, YOLO v5 juga memiliki ukuran model yang relatif kecil yaitu 13,7 MB serta waktu deteksi 0,055 detik. Dengan adanya model deteksi tumor ini, maka dapat digunakan untuk mengembangkan teknologi MRI otak yang dapat langsung mendeteksi lokasi adanya tumor, sebagai manfaat ilmu pengolahan citra dalam bidang biomedis.

Currently, object detection is starting to be widely used in various fields, one of which is in the health sector. Object detection in the health sector, namely breast cancer, lung cancer, brain tumors, and many more. The problem of detecting abnormalities in medical images, recognizing abnormalities and pinpointing the right location are important things that can determine the value of precision achieved. In addition, the time required for detection is also an important thing that must be considered. In the health sector, it takes a long time to check and validate the presence of tumors one by one. Therefore, this capstone project was carried out to create an object detection model that can detect tumors in brain MRI medical images. The model has a high level of precision with a relatively short time required. The object detection model receives input in the form of a brain MRI image, which will then be processed to produce output in the form of the location of the tumor in the image and the level of confidence obtained. The output of the capstone project carried out is an object detection model that can detect abnormalities in the form of tumors in MRI medical images. Tumor detection in brain MRI images in this capstone project uses several deep learning methods. There are three methods, namely YOLO v4, YOLO v5, and SSD MobileNet. Each method produces a different level of precision, YOLO v5 has the highest level of precision, namely 98.37%. In addition, YOLO v5 also has a relatively small model size of 13.7 MB and a detection time of 0.055 seconds. With this tumor detection model, it can be used to develop brain MRI technology that can directly detect the location of a tumor, as a benefit of image processing in the biomedical field.

Kata Kunci : Deep Learning, Object Detection, Brain Tumor, YOLO v5, Brain Tumor Detection