Beranda Berita Gabung Riset
Kegiatan Penelitian
Hibah Internal Udinus 2025

HYBRID FREQUENCY-SPATIAL NORMALIZATION MODEL UNTUK MENINGKATKAN ROBUSTISITAS SEGMENTASI MULTILABEL PADA CITRA CHEST X-RAY MULTISUMBER

Tim Peneliti / Pelaksana
Abu Salam, Ika Novita Dewi, Danang Wahyu Utomo, Sindhu Rakasiwi
Skema / Program
Penelitian Dasar Perguruan Tinggi

Abstrak / Deskripsi

Citra Rontgen Toraks atau Chest X-ray (CXR) merupakan alat diagnostik terdepan, namun interpretasinya menghadapi tantangan besar dalam penerapan kecerdasan buatan (AI). Model AI untuk segmentasi multi-label, yang krusial untuk melokalisasi dan mengkuantifikasi berbagai penyakit secara bersamaan, seringkali mengalami degradasi performa drastis ketika dihadapkan pada data klinis dari rumah sakit atau alat yang berbeda. Fenomena domain shift ini, yang disebabkan oleh variasi intensitas, kontras, dan noise pada citra, menjadi penghalang utama implementasi klinis AI yang andal dan dapat digeneralisasi. Metode normalisasi standar seperti penskalaan min-max, standardisasi z-score, dan berbagai bentuk ekualisasi histogram sering digunakan untuk menempatkan citra pada rentang statistik yang seragam. Metode-metode ini seringkali tidak mampu dalam mengatasi heterogenitas data multi-domain yang kompleks dan memiliki keterbatasan dalam penyesuaian distribusi intensitas. Akibatnya, pendekatan sederhana ini dapat secara tidak sengaja menekan fitur diagnostik penting atau bahkan memperkuat noise. Teknik pra-pemrosesan yang beroperasi di domain frekuensi, seperti transformasi Fourier dan Wavelet, telah mapan efektivitasnya dalam tugas-tugas seperti denoising sinyal dan peningkatan fitur. Akan tetapi, integrasi sistematisnya ke dalam sebuah pipeline normalisasi yang komprehensif, yang dirancang secara khusus untuk menstandardisasi citra untuk menjawab tantangan segmentasi CXR multi-sumber, masih menjadi area yang sebagian besar belum dieksplorasi. Penelitian ini bertujuan untuk mengembangkan model pipeline Hybrid Frequency-Spatial Normalization Model dengan mengintegrasikan normalisasi domain frekuensi dan domain spasial. Tujuannya adalah untuk secara signifikan meningkatkan robustisitas dan kemampuan generalisasi model segmentasi CXR multi-label (YOLOv8-Seg) pada data multisumber yang heterogen. Luaran wajib dari penelitian ini berupa publikasi artikel yang diterbitkan pada jurnal internasional bereputasi yang terindeks Scopus Q3. Luaran tambahan yang dapat dihasilkan dari penelitian ini adalah haki untuk program deteksi organ hati dan area tumor pada citra CT.