APTISIAPTISI

Aptisi Transactions on Technopreneurship (ATT)Aptisi Transactions on Technopreneurship (ATT)

Polycystic Ovary Syndrome (PCOS) merupakan gangguan endokrin umum pada wanita yang sering didiagnosis melalui pencitraan ultrasonografi dengan memeriksa kelainan ovarium. Pencitraan ultrasonografi, bagaimanapun, biasanya terkontaminasi oleh noise speckle yang menurunkan kualitas gambar dan menimbulkan kesulitan dalam diagnosis. Metode denoising konvensional seperti filtering rata-rata dan median tidak dapat menghilangkan noise dengan benar sambil mempertahankan detail halus. Untuk mengatasi masalah ini, penelitian ini memperkenalkan Autoencoder berbasis Attention (AAE) baru untuk denoising gambar ultrasonografi PCOS. Model menggunakan mekanisme perhatian untuk secara selektif memperkuat area gambar signifikan dan menekan noise, sehingga meningkatkan kualitas gambar untuk diagnosis. Metode yang diperkenalkan diuji pada dataset ultrasonografi yang tersedia untuk umum dengan noise speckle sintetis pada berbagai tingkatan (variansi 0,5, 0,02, dan 0,001). Hasil eksperimen membuktikan bahwa metode yang disarankan berkinerja lebih baik daripada metode denoising konvensional, dengan nilai signal-to-noise ratio (PSNR) puncak sebesar 31,33, 34,25, dan 36,23, masing-masing. Indeks kesamaan struktural (SSIM) juga mengungkapkan peningkatan yang signifikan dan skor yang sesuai sebesar 85,21, 92,33, dan 99,25. Di luar kinerja teknis, pekerjaan ini mendukung pengembangan alat diagnostik PCOS yang dapat diskalakan dan digerakkan oleh AI dalam model inkubator technopreneurship. Hasil ini menunjukkan bahwa AAE dapat meningkatkan kualitas gambar ultrasonografi, memfasilitasi diagnosis PCOS yang lebih akurat.

Penelitian ini menunjukkan bahwa Autoencoder berbasis Attention (AAE) dapat meningkatkan kualitas gambar ultrasonografi, sehingga memfasilitasi diagnosis PCOS yang lebih akurat.Model ini secara efektif menghilangkan noise speckle sambil mempertahankan detail penting, menghasilkan peningkatan nilai signal-to-noise ratio (PSNR) dan indeks kesamaan struktural (SSIM).Secara keseluruhan, penelitian ini memberikan kontribusi signifikan pada pengembangan alat diagnostik berbasis AI untuk membantu dalam diagnosis PCOS dan mendorong inovasi dalam bidang technopreneurship.

Berdasarkan penelitian ini, beberapa saran penelitian lanjutan dapat dipertimbangkan. Pertama, penting untuk mengeksplorasi penggunaan dataset klinis yang lebih beragam untuk melatih dan mengevaluasi model AAE, guna memastikan generalisasi yang lebih baik di berbagai populasi pasien dan pengaturan pencitraan. Kedua, pengembangan mekanisme perhatian yang lebih canggih, seperti perhatian multi-skala atau perhatian berbasis transformer, dapat lebih meningkatkan kemampuan model untuk menangkap fitur-fitur penting dalam gambar ultrasonografi. Terakhir, penyelidikan terhadap integrasi model AAE dengan modalitas pencitraan lainnya, seperti MRI, dapat menawarkan peluang untuk diagnosis PCOS yang lebih komprehensif dan personalisasi.

  1. Technopreneurial Filtering Technique for Speckle Noise Reduction in Ultrasound Imaging of Polycystic... doi.org/10.34306/att.v7i3.767Technopreneurial Filtering Technique for Speckle Noise Reduction in Ultrasound Imaging of Polycystic doi 10 34306 att v7i3 767
  2. One moment, please.... moment please wait request verified doi.org/10.34306/attOne moment please moment please wait request verified doi 10 34306 att
  1. #noise ratio psnr#noise ratio psnr
File size4.92 MB
Pages13
DMCAReportReport

ads-block-test