Analisis Pendekatan Preprocessing Data pada Deteksi Stenosis Berdasarkan Citra X-Ray Coronary Angiography Menggunakan Faster R-CNN

Abstrak

Coronary Artery Disease (CAD) adalah salah satu bentuk dari penyakit kardiovaskuler yang menjadi penyebab utama kematian di dunia. CAD terjadi akibat penumpukan plak yang sebagian besar tersusun atas kolesterol dan sisa metabolisme sel pada dinding arteri. Penumpukan ini menyebabkan stenosis, yaitu penyempitan abnormal pada arteri koroner yang menghambat aliran darah. Salah satu metode pemeriksaan yang dianggap gold standard untuk melihat adanya stenosis yaitu X-ray coronary angiography. Penelitian ini bertujuan untuk menganalisis pengaruh tahapan preprocessing terhadap performa model Faster R-CNN dalam mendeteksi stenosis pada citra X-ray coronary angiography. Dua skenario pelatihan dilakukan, yaitu model tanpa preprocessing dan model dengan tahapan preprocessing yang meliputi penghapusan black border, denoising, serta peningkatan kontras menggunakan CLAHE. Dataset dibagi dengan rasio 80:20 untuk data pelatihan dan pengujian, dan model dilatih selama 10 epoch menggunakan backbone ResNet-50 FPN. Hasil evaluasi menunjukkan bahwa model dengan preprocessing memberikan performa yang lebih baik dibandingkan model tanpa preprocessing dengan nilai precision 0,8050, recall 0,9718, F1-Score 0,8805, dan Mean IoU 0,7596.