SEGMENTASI RUANG JANTUNG DALAM KONDISI KARDIOMEGALI MENGGUNAKAN METODE CNN DENGAN ARSITEKTUR U-NET

Kardiomegali merupakan penyakit yang tidak memiliki tanda atau gejala pada beberapa penderitanya dan kemungkinan memiliki gejala seperti sesak napas, detak jantung
tidak normal, dan edema. Kardiomegali akan menyebabkan
jantung penderita memompa lebih keras dari biasanya atau
secara bertahap merusak otot jantung seperti jantung berdebar, sesak dada, dan sesak napas. Mendiagnosis dini kardiomegali dapat membantu membuat keputusan jantung dalam keadaan abnormal atau normal. Selain itu, sehubungan dengan masalah dalam pemeriksaan secara manual akan memakan waktu dan kebutuhan interpretasi serta pengalaman manusia, maka
diperlukan alat bantu untuk secara otomatis mengembangkan
dan mengidentifikasi jantung normal dan jantung yang abnormal. Oleh karena itu, penelitian ini mengusulkan segmentasi ruang jantung dengan menggunakan jaringan saraf konvolusional 2D (dua dimensi) ultrasound untuk skrining kardiomegali secara cepat dalam aplikasi klinis berdasarkan pemeriksaan USG jantung. Pendekatan yang diusulkan menggunakan CNN dengan model arsitektur U-Net dengan data jantung abnormal dan normal. Hasil penelitian yang diperoleh menggunakan evaluasi matriks piksel Avg_akurasi sebesar 99,50%, Val_akurasi 97,98% dan Mean_IoU sebesar 90,01%