Burhan, Nafi Ainul and Syaiful Anam, S.Si., M.T., Ph.D (2020) Segmentasi Citra Mri Menggunakan Gabungan Artificial Fish Swarm Algorithm Dan Fuzzy C-Means. Sarjana thesis, Universitas Brawijaya.
Abstract
Pada bidang kedokteran, segmentasi citra memiliki peranan penting dalam pemrosesan citra medis, salah satu penerapannya adalah pada segmentasi citra MRI. Pada umumnya, dokter menganalisis citra MRI dengan cara pengamatan secara langsung. Cara tersebut memiliki kekurangan pada tingkat keakuratan antar dokter yang berbeda dan waktu analisis citra yang lama. Fuzzy C-Means (FCM) merupakan salah satu metode segmentasi citra yang sering digunakan pada beberapa penelitian karena algoritmanya sederhana dan mudah diimplementasikan pada kehidupan nyata. Algoritma FCM juga memiliki beberapa kelemahan, diantaranya adalah mudah jatuh ke optimal lokal dan sensitif terhadap derau. Untuk mengatasi kelemahan FCM, pada Skripsi ini, FCM digabungkan dengan algoritma Artificial Fish Swarm Algorithm (AFSA) karena keunggulannya dalam untuk menemukan optimal global dan tingkat akurasi yang cukup tinggi. Metropolis criterion dan noise filter juga ditambahkan pada algoritma gabungan FCM dan AFSA (HAFSA) untuk meningkatkan kecepatan konvergensi dan kemampuan untuk digunakan pada citra berderau. Hasil pengujian menunjukkan bahwa nilai fungsi objektif, tingkat keakuratan segmentasi, dan validasi klaster HAFSA secara keseluruhan memiliki hasil yang cukup baik dibandingkan dengan algoritma FCM dan Suppresed FCM (SFCM). Sedangkan untuk waktu komputasi algoritma, FCM dan SFCM memiliki waktu komputasi lebih singkat daripada HAFSA
English Abstract
In the field of medicine, image segmentation has an important role in medical image processing, one of the image segmentation applications is MRI image segmentation. In general conditions, the doctor analyzes the MRI image by manually observation. This method has weakness in the level of accuracy between different doctors and the large computational time for image analysis. Fuzzy C-Means (FCM) is an image segmentation method that is often used in several studies because the algorithm is simple and is easy to implement in real life. FCM algorithm also has several disadvantages, including easily falling to the local optimal and sensitive to noise. To overcome the weaknesses of FCM, in this thesis FCM is combined with the Artificial Fish Swarm Algorithm (AFSA) algorithm because of its superiority in finding global optimization and a fairly high degree of accuracy. Metropolis criterion and noise filter are also added to FCM and AFSA combinations (HAFSA) to increase the convergence speed and ability to be used in noisy images. The experimental results show that the average value of the objective function, the accuracy of segmentation, and HAFSA cluster validation have quite good results compared to the FCM and Suppresed FCM (SFCM) algorithms. While, the computational time, FCM and SFCM have shorter computational time than HAFSA.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0520090347 |
| Uncontrolled Keywords: | segmentasi citra, citra MRI, Artificial Fish Swarm Algorithm, Fuzzy F-Means.,image segmentation, MRI image, Artificial Fish Swarm Algorithm, Fuzzy C-Means |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Unnamed user with username nova |
| Date Deposited: | 08 Aug 2022 08:38 |
| Last Modified: | 11 Oct 2024 05:41 |
| URI: | http://repository.ub.ac.id/id/eprint/193064 |
![[thumbnail of Nafi Ainul Burhan.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Nafi Ainul Burhan.pdf Download (2MB) |
Actions (login required)
 |
View Item |