Evaluasi Segmentasi Otak dan Prediksi Overall Survival pada Dataset BRATS 2020
Journal of Smart Technology and Engineering · 31.03.2026 · 2 (1) · 26-30
DOI: 10.28932/jste.v2i1.13880 ↗Kurz gefasst
Fachartikel in der Zeitschrift Journal of Smart Technology and Engineering, online erschienen am 31.03.2026. Verfasst von Annisa Maizano Fahlevi und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).
Abstract (Originalsprache)
Penilaian Overall Survival (OS) pada pasien dengan glioma merupakan aspek penting dalam analisis citra medis berbasis MRI. OS membantu strategi dan proses dalam terapi terhadap pasien. Salah satu tantangan utama dalam pengembangan model prediksi berbasis citra adalah kebutuhan segmentasi tumor yang akurat. Penelitian ini bertujuan untuk membangun model prediksi OS berbasis MRI dari dataset Brain Tumor Segmentation 2020 (BraTS2020), dengan memanfaatkan dua jenis masked image, yaitu ground truth mask dan mask hasil segmentasi (predicted mask) yang menggunakan arsitektur 3D U-Net. Klasifikasi OS dilakukan menjadi tiga kategori waktu (< 10 bulan, 10-15 bulan, dan > 15 bulan). Akurasi yang dihasilkan model prediksi menggunakan ground truth mask mencapai 0.9792, sedangkan predicted mask menghasilkan akurasi 0.9583. Temuan ini mengindikasikan bahwa pipeline otomatis berbasis segmentasi deep learning berpotensi menggantikan segmentasi manual dalam aplikasi klinis skala besar.
Zitieren
APA
Fahlevi, A. M., & Saragih, R. (2026). Evaluasi Segmentasi Otak dan Prediksi Overall Survival pada Dataset BRATS 2020. Journal of Smart Technology and Engineering, 2(1), 26-30. https://doi.org/10.28932/jste.v2i1.13880
Vancouver
Fahlevi AM, Saragih R. Evaluasi Segmentasi Otak dan Prediksi Overall Survival pada Dataset BRATS 2020. Journal of Smart Technology and Engineering. 2026;2(1):26-30. doi:10.28932/jste.v2i1.13880
BibTeX
@article{Fahlevi2026,
author = {Fahlevi, Annisa Maizano and Saragih, Riko},
title = {Evaluasi Segmentasi Otak dan Prediksi Overall Survival pada Dataset BRATS 2020},
journal = {Journal of Smart Technology and Engineering},
year = {2026},
volume = {2},
number = {1},
pages = {26--30},
doi = {10.28932/jste.v2i1.13880}
}
EUVIMED