Ensemble Light-Weight U-Net Untuk Segmentasi Tumor Otak Berbasis Citra Magnetic Resonance Imaging (MRI)

Santoso, Irwan Budi ORCID: https://orcid.org/0000-0001-5586-9035, Aziz, Okta Qomaruddin, Supriyono, Supriyono ORCID: https://orcid.org/0000-0002-4733-9189 and Holle, Khadijah Fahmi Hayati ORCID: https://orcid.org/0000-0002-6991-1748 (2025) Ensemble Light-Weight U-Net Untuk Segmentasi Tumor Otak Berbasis Citra Magnetic Resonance Imaging (MRI). Research Report. Universitas Islam Negeri Maulana Malik Ibrahim, Malang.

Text LAPORAN PENELITIAN MANDIRI 2025 -Repisitory.pdf Restricted to Repository staff only Download (1MB)

Abstract

Segmentasi tumor otak berbasis citra Magnetic Resonance Imaging (MRI) merupakan tahapan penting dalam mendukung diagnosis dan pengambilan keputusan klinis. Namun, variabilitas tinggi pada struktur tumor, seperti perbedaan ukuran, bentuk, dan intensitas, membuat model segmentasi tunggal seringkali tidak mampu menghasilkan prediksi yang konsisten. Penelitian ini mengusulkan pendekatan Ensemble Light-Weight U-Net untuk meningkatkan performa segmentasi tumor otak melalui kombinasi beberapa model U-Net berparameter rendah yang dilatih dengan konfigurasi hyperparameter berbeda. Metode yang digunakan mencakup pra-proses citra MRI, pelatihan beberapa model Light-Weight U-Net, serta penerapan teknik ensemble menggunakan Majority Voting dan Weighted Average. Evaluasi dilakukan menggunakan metrik Dice, IoU, Precision, Recall, dan Accuracy pada dataset MRI yang telah dibagi menjadi data pelatihan, validasi, dan pengujian. Hasil penelitian menunjukkan bahwa model ensemble memberikan peningkatan signifikan dibandingkan model U-Net tunggal. Metode Weighted Average (WA) dengan kombinasi U-Net pada epoch 100, 125, dan 150 menghasilkan performa terbaik dengan nilai Dice 0,8899, IoU 0,8122, dan standar deviasi terendah pada berbagai metrik. Hal ini menunjukkan bahwa pendekatan ensemble berbobot mampu memberikan segmentasi yang lebih stabil, akurat, dan mendekati ground truth dibandingkan pendekatan model tunggal. Secara keseluruhan, Ensemble Light-Weight U-Net terbukti menjadi solusi efektif dalam peningkatan performa segmentasi tumor otak berbasis citra MRI. Hasil penelitian ini dapat menjadi referensi maupun fondasi untuk pengembangan sistem segmentasi tumor yang lebih efisien dan aplikatif pada lingkungan klinis.

Item Type:	Research (Research Report)
Keywords:	segmentasi tumor otak, MRI, U-Net, ensemble, deep learning, weighted average, majority voting
Subjects:	08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing > 080199 Artificial Intelligence and Image Processing not elsewhere classified 08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing
Divisions:	Faculty of Technology > Department of Informatics Engineering
Depositing User:	irwan budi santoso
Date Deposited:	04 Dec 2025 21:57

Downloads

Origin of downloads

Actions (login required)

View Item