001 Hak Akses (open/membership)membership
700 Entri Tambahan Nama OrangPrawito Prajitno, supervisor; Djarwani Soeharso Soejoko, supervisor; Supriyanto Ardjo Pawiro, examiner; Dwi Seno Kuncoro Sihono, examiner; Yessie Widya Sari, examiner
336 Content Typetext (rdacontent)
264b Nama PenerbitFakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia
710 Entri Tambahan Badan KorporasiUniversitas Indonesia. Fakultas Matematika dan Ilmu Pengetahuan Alam
049 No. Barkod15-25-81668711
504 Catatan Bibliografipages 44-46
852 LokasiPerpustakaan UI
338 Carrier Typeonline resource (rdacarrier)
590 Cat. Sumber Pengadaan KoleksiDeposit;
903 Stock Opname
534 Catatan Versi Asli
Tahun Buka Akses2021
053 No. Induk15-25-81668711
653 Kata KunciComputer Aided Detection (CADe); convolutional neural network; microcalcification; conventional ultrasound
040 Sumber PengataloganLibUI ida rda
245 Judul UtamaComputer Aided Detection Berbasis Convolutional Neural Network untuk Deteksi Mikrokalsifikasi Citra USG Payudara = Convolutional Neural Based Computer Aided Detection Network for Detecting Mammary Ultrasound Microcalcifications
264c Tahun Terbit2021
650 Subyek TopikBreast--Cancer--Diagnosis.; Computer-aided design.
850 Lembaga PemilikUniversitas Indonesia
520 Ringkasan/Abstrak/IntisariKanker payudara adalah kanker yang paling sering terjadi pada wanita, berdampak pada 2,1 juta wanita setiap tahun, dan juga menyebabkan jumlah terbesar kematian terkait kanker di antara wanita. Deteksi kanker tahap awal dapat mengurangi angka kematian akibat kanker payudara secara signifikan dalam jangka panjang. Ultrasonografi payudara adalah alat screening yang hemat biaya dan tersedia secara luas. Ultrasonografi payudara dapat digunakan untuk wanita yang berisiko tinggi terkena kanker payudara, namun tidak dapat menjalani pemeriksaan MRI atau wanita yang sedang hamil yang tidak boleh terkena sinar-x, dan juga untuk wanita yang memiliki jaringan payudara padat. Meskipun, ultrasonografi dinilai dapat digunakan dalam screening payudara, penggunaanya sangat bergantung pada pengalaman dokter dalam membaca citra. karena itu, untuk mendiagnosa kanker payudara pada ultrasonografi dengan otomatis dapat menggunakan bantuan komputer (CAD). Penelitian ini mengenai sistem CADe berbasis deep learning yaitu convolutional neural network (CNN), CNN diinginkan mengevaluasi beberapa gambar USG untuk membuat diagnosis mikrokalsifikasi. Mikrokalsifikasi merupakan bintik-bintik putih halus, mirip dengan butiran garam. Mereka biasanya bukan kanker, tetapi pola-pola tertentu dapat menjadi tanda awal kanker. Mendeteksi mikrokalsifikasi menggunakan CNN ini dapat digunakan sebagai screening payudara rutin, yang mana dapat membantu dokter untuk menemukan tanda-tanda kanker payudara lebih awal dari yang mungkin saat ini. Di mana, performa pada penelitian adalah dengan sensitivitas 87,85%, akurasi sebesar 87,34% dan presisi 98,505%. ......Breast cancer is a very common cancer in women, affects millions of women each year, and is also one of the leading causes of cancer deaths among women. Early-stage cancer detection can reduce breast cancer mortality significantly in the long term. Breast ultrasound is a cost-effective and widely available screening tool. Breast ultrasound can be used for women who are at high risk of developing breast cancer but cannot undergo MRI examinations or for pregnant women who should not be exposed to X-rays, and also for women who have dense breast tissue. Although ultrasound is considered to be used for breast screening, its use is highly dependent on the doctor's experience in reading the images. Therefore, to diagnose breast cancer using ultrasound images automatically can use computer assistance, namely Computer-Aided Detection (CADe). This study discusses a deep learning-based CADe system, namely the convolutional neural network (CNN), CNN is desired to evaluate several ultrasound images to make a microcalcification diagnosis. Microcalcifications are fine white spots, similar to grains of salt. They are not usually cancer, but certain patterns can be an early sign of cancer. Detecting microcalcification using CNN can be used as a routine breast screening, which can help doctors find signs of breast cancer earlier than is currently possible. Where, the performance in this study is with a sensitivity of 87.85%, an accuracy of 87.34% and a precision of 98.505%.
904b Pemeriksa Lembar KerjaAdhityaN-Agustus2025
090 No. Panggil SetempatT-pdf
d-Entri Utama Nama Orang
500 Catatan UmumDapat diakses di UIANA (lib.ui.ac.id) saja.
337 Media Typecomputer (rdamedia)
d-Entri Tambahan Nama Orang
526 Catatan Informasi Program StudiIlmu Fisika
100 Entri Utama Nama OrangNasution, Nurhabibah, author
264a Kota TerbitDepok
300 Deskripsi Fisikxi, 46 pages : illustration + appendix
904a Pengisi Lembar KerjaAdhityaN-Agustus2025
Akses Naskah Ringkas
856 Akses dan Lokasi Elektronik
502 Catatan Jenis KaryaTesis
041 Kode Bahasaind