Pengembangan Aplikasi Desktop untuk Deteksi dan Klasifikasi Tumor Otak pada Citra MRI

ATMAJI SETYA P, Dr. Indah Soesanti, S.T., M.T.; Dr.Eng. Ir. Sunu Wibirama, S.T., M.Eng., IPM.

2022 | Skripsi | S1 TEKNOLOGI INFORMASI

Tumor otak merupakan pertumbuhan sel-sel di otak yang tidak normal dan tidak terkendali sehingga terjadi suatu massa atau benjolan. Tumor otak secara umum dapat dibagi menjadi tumor otak jinak dan tumor otak ganas. Insidensi tumor otak di Indonesia pada tahun 2020 mencapai 5.964 kasus (1,5% dari total kasus kanker) dengan angka kematian mencapai 5.298. Magnetic resonance imaging (MRI) adalah teknik pencitraan medis dengan presisi tinggi yang paling banyak digunakan untuk deteksi dan diagnosis kanker. Identifikasi tumor melalui MRI sangat susah dan berpotensi salah diagnosis karena keberagaman tumor dan fitur (karakteristik) yang terlihat pada citra MRI, yang memungkinkan pengambilan keputusan yang tepat, terkadang tidak ada sehingga memerlukan radiologis yang berpengalaman. Deteksi tumor otak seringkali terlambat ketika tumor sudah menjadi tumor ganas sementara diagnosis tumor otak sedini mungkin menjadi faktor yang sangat penting bagi kesembuhan pasien secara total. Capstone Project ini mengembangkan aplikasi desktop deteksi tumor menggunakan teknologi deep learning YOLOv5 untuk menjawab permasalahan tersebut. Aplikasi ini menggunakan teknologi deep learning untuk dapat secara otomatis menemukan fitur/karakteristik tumor otak yang berkontribusi pada terjadinya tumor otak. Aplikasi ini dapat melakukan klasifikasi dan menemukan lokasi terjadinya tumor sehingga dapat digunakan oleh radiologis sebagai informasi tambahan untuk melakukan diagnosis tumor otak. Aplikasi ini menerima input berupa citra MRI otak dalam format jpg atau png. Citra tersebut kemudian oleh model deep learning YOLOv5 dilakukan pengolahan untuk menentukan apakah terdapat tumor serta lokasi tumor. Hasil citra pengolahan kemudian dapat disimpan ke dalam dokumen PDF. Aplikasi ini dikembangkan menggunakan User Interface yang sederhana menggunakan tool Qt Designer yang merupakan bagian dari framework PyQt5. Untuk mendukung fungsionalitas dan komunikasi dengan model YOLO, aplikasi ini ditulis menggunakan bahasa pemrograman Python 3.9.4. Pengujian aplikasi ini dilakukan berdasarkan kualitas software usability dan fungsionalitas. Pengujian usability dilakukan menggunakan metode System Usability Scale (SUS) pada 5 partisipan dengan latar belakang medis dan mendapatkan skor 74. Pengujian fungsionalitas dilakukan pada 12 partisipan dari latar belakang medis dan non-medis yang dievaluasi menggunakan metric completion rate. Pengujian ini mendapatkan completion rate 95,83%. Pengujian reliability dievaluasi menggunakan metric error rate dan memperoleh 4,17% error rate. Dengah hasil tersebut, aplikasi telah memenuhi kebutuhan yang ditetapkan sehingga aplikasi dapat secara efektif digunakan tenaga medis sebagai bahan pertimbangan melakukan diagnosis tumor otak.

A brain tumor is an abnormal and uncontrolled growth of cells in the brain, resulting in a mass or lump. Brain tumors can generally be divided into benign brain tumors and malignant brain tumors. The incidence of brain tumors in Indonesia in 2020 reached 5,964 cases (1.5% of total cancer cases) with a mortality rate of 5,298. Magnetic resonance imaging (MRI) is the most widely used high-precision medical imaging technique for the detection and diagnosis of cancer. Tumor identification via MRI is very difficult and has the potential to be misdiagnosed due to the diversity of tumors and features (characteristics) seen on MRI images, which allow for an informed decision, sometimes absent, requiring experienced radiologists. Detection of brain tumors is often late when the tumor has become a malignant tumor, while early diagnosis of brain tumors is a very important factor for the patient's complete recovery. This capstone project developed a tumor detection desktop application using YOLOv5 deep learning technology to answer these problems. This application uses deep learning technology to be able to automatically find features/characteristics of brain tumors that contribute to the occurrence of brain tumors. This application can classify and find the location of the tumor so that it can be used by radiologists as additional information to diagnose brain tumors. This application accepts input in the form of brain MRI images in jpg or png format. The image is then processed by the YOLOv5 deep learning model to determine whether there is a tumor and the location of the tumor. The image processing results can then be saved as a PDF document. This application was developed using a simple user interface using the Qt Designer tool, which is part of the PyQt5 framework. This application is written using the Python 3.9.4 programming language to support functionality and communication with the YOLO model. Testing this application is based on the quality of the software usability and functionality. Usability testing was carried out using the System Usability Scale (SUS) method on five participants with medical backgrounds and got a score of 74. Functionality testing was carried out on 12 participants from medical and non-medical backgrounds who were evaluated using the metric completion rate. This test had a completion rate of 95.83%. The reliability test was evaluated using the error rate metric and obtained a 4.17% error rate. With these results, the application has met the specified requirements so that it can be effectively used by medical personnel as a consideration for diagnosing brain tumors.

Kata Kunci : Brain Tumor, Deep Learning, Desktop Application, Magnetic Resonance Imaging (MRI), PyQt5, YOLOv5