PERANCANGAN ALGORITMA KLASIFIKASI PENDERITA SCHIZOPHRENIA BERDASARKAN DATA RESTING-STATE fMRI
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Kalimantan
Author
Faiq, Anugrah Ramadhan
Subject
TK Electrical engineering. Electronics Nuclear engineering
Datestamp
2025-01-10 06:30:07
Abstract :
Skizofrenia adalah gangguan mental kronis yang mengganggu kemampuan komunikasi, emosi, dan perilaku penderitanya. Skizofrenia sendiri lebih sering menyerang laki-laki dibandingkan perempuan. Di Indonesia sendiri prevalensinya sebanyak 6,7 per 1000 rumah tangga. Penelitian ini membandingkan dua algoritma klasifikasi penderita skizofrenia berdasarkan data resting-state fMRI menggunakan metode 3D-CNN (Tiga Dimensi Convolutional Neural Network) dan 2D-CNN (Dua Dimensi Convolutional Neural Network). Studi literatur melibatkan pemahaman mendalam terkait pengolahan citra digital, kecerdasan buatan, dan deep learning. Penggunaan CNN dalam pengolahan citra terkait identifikasi perbedaan struktural otak pada masing masing individu skizofrenia dan sehat. Dataset yang digunakan berasal dari COBRE dengan 147 pasien, termasuk 72 pasein dan 75 sehat. Tahap praproses melibatkan slicing, augmentasi, dan Principal Component Analysis (PCA). Model 3DCNN dan 2DCNN diterpkan pada dataset yang telah di praproses sebelumnya. Hasilnya menunjukan tingkat akurasi untuk masing-masing model. Model 3DCNN yang dibuat ini menggunakan tiga lapisan konfolusi 3D untuk mengestrak fitur spasial dari data 3D diikuti dengan dua lapisan fully connected layer untuk klasifikasi biner. Untuk model 3DCNN menghasilkan akurasi sebesar 49.8% dan akurasi validasi sebesar 54.24% dengan waktu training 64.5 menit. Model 2DCNN dibuat dengan menggunakan tiga lapisan konfolusi 2D untuk mengestrak fitur spasial dari data 2D dan diikuti dengan dula lapisan fully connected layer untuk klasifikasi biner. Untuk model 2DCNN menghasilkan akurasi sebesar 49.18% dan akurasi validasi sebesar 54.24% dengan waktu training 3.9 menit. Ini menunjukan model 2DCNN yang dibuat lebih baik karena memiliki waktu training terrendah.
Skizofrenia adalah gangguan mental kronis yang mengganggu kemampuan komunikasi, emosi, dan perilaku penderitanya. Skizofrenia sendiri lebih sering menyerang laki-laki dibandingkan perempuan. Di Indonesia sendiri prevalensinya sebanyak 6,7 per 1000 rumah tangga. Penelitian ini membandingkan dua algoritma klasifikasi penderita skizofrenia berdasarkan data resting-state fMRI menggunakan metode 3D-CNN (Tiga Dimensi Convolutional Neural Network) dan 2D-CNN (Dua Dimensi Convolutional Neural Network). Studi literatur melibatkan pemahaman mendalam terkait pengolahan citra digital, kecerdasan buatan, dan deep learning. Penggunaan CNN dalam pengolahan citra terkait identifikasi perbedaan struktural otak pada masing masing individu skizofrenia dan sehat. Dataset yang digunakan berasal dari COBRE dengan 147 pasien, termasuk 72 pasein dan 75 sehat. Tahap praproses melibatkan slicing, augmentasi, dan Principal Component Analysis (PCA). Model 3DCNN dan 2DCNN diterpkan pada dataset yang telah di praproses sebelumnya. Hasilnya menunjukan tingkat akurasi untuk masing-masing model. Model 3DCNN yang dibuat ini menggunakan tiga lapisan konfolusi 3D untuk mengestrak fitur spasial dari data 3D diikuti dengan dua lapisan fully connected layer untuk klasifikasi biner. Untuk model 3DCNN menghasilkan akurasi sebesar 49.8% dan akurasi validasi sebesar 54.24% dengan waktu training 64.5 menit. Model 2DCNN dibuat dengan menggunakan tiga lapisan konfolusi 2D untuk mengestrak fitur spasial dari data 2D dan diikuti dengan dula lapisan fully connected layer untuk klasifikasi biner. Untuk model 2DCNN menghasilkan akurasi sebesar 49.18% dan akurasi validasi sebesar 54.24% dengan waktu training 3.9 menit. Ini menunjukan model 2DCNN yang dibuat lebih baik karena memiliki waktu training terrendah.
File :
04201031_cover.pdf
04201031_statement_of_authenticity.pdf
04201031_chapter_1.pdf
04201031_chapter_2.pdf
04201031_chapter_3.pdf
04201031_chapter_4.pdf
04201031_conclusions.pdf
04201031_bibliography.pdf
04201031_enclosure.pdf
04201031_paper.pdf
04201031_presentation.pdf
04201031_form. TA-20.pdf
04201031_publishing_aggrement.pdf
04201031_approval_sheet.pdf
04201031_preface.pdf
04201031_abstract_id.pdf
04201031_abstract_en.pdf
04201031_table_of_content.pdf
04201031_illustration.pdf
04201031_tables.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
