Studi awal klasifikasi stadium kanker paru jenis Non-Small Cell Lung Cancer (NSCLC) menggunakan pendekatan Radiomics

Wiguna, Arifin (2024) Studi awal klasifikasi stadium kanker paru jenis Non-Small Cell Lung Cancer (NSCLC) menggunakan pendekatan Radiomics. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (263kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (557kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (567kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (744kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (626kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (445kB) | Request a copy
	Text (LAMPIRAN) 10_lampiran.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

INDONESIA : Kanker paru-paru merupakan penyebab utama kematian yang diakibatkan oleh kanker dengan jumlah total 18% dari seluruh total kematian yang diakibatkan oleh kanker. Hal ini bisa diminimalisir jika diagnosis terhadap kanker paru-paru dapat dilakukan lebih awal. Adapun tujuan penelitian ini yaitu mengklasifikasikan kanker paru jenis Non-Small Cell Lung Cancer (NSCLC) dengan pendekatan radiomics. Metode penelitian yang dilakukan yaitu dengan mengekstraksi ciri pada citra DICOM hasil CT scan. Tahap selanjutnya yaitu menggunakan machine learning dengan metode pengklasifikasi Decision Tree dan Random Forest. Hal ini dilakukan untuk memperoleh metode pengklasifikasi mana yang baik untuk digunakan dalam menentukan klasifikasi stadium kanker paru jenis NSCLC. Hasil yang diperoleh, metode pengklasifikasi yang memiliki nilai F1-score lebih dari 80% adalah random forest 83% dan Decision Tree 85 %. Dan hasil evaluasi menggunakan rata-rata nilai AUC untuk metode pengklasifikasi tersebut sebesar random forest (0,9348) dan Decision Tree (0,9413). ENGLISH : Lung cancer is the main cause of death caused by cancer with a total of 18% of all deaths caused by cancer. This can be minimized if the diagnosis of lung cancer can be done early. The aim of this research is to classify non-small cell lung cancer (NSCLC) using a radiomics approach. The research method used was by extracting features from DICOM images from CT scans. The next stage is using machine learning with the Decision Tree and Random Forest classifier methods. This was done to obtain which classifier method is best to use in determining the stage classification of NSCLC type lung cancer. The results obtained, the classifier method that has an F1-score value of more than 80% is Random Forest 83% and Decision Tree 85%. And the evaluation results use the average AUC value for the classifier method of Random Forest (0,9348) and Decision Tree (0,9413).

Actions (login required)

View Item