Detail Cantuman

Dalam dunia kedokteran modern, citra medis menjadi elemen kunci dalam diagnosis, pemantauan, dan pengobatan penyakit. Salah satu masalah umum yang terjadi pada citra medis adalah noise, khususnya noise speckle pada citra CT-scan dan MRI. Untuk mengatasi masalah ini, telah dikembangkan berbagai metode, termasuk teknik machine learning. Salah satu pendekatan yang menjanjikan adalah menggunakan kombinasi metode GAN (Generative Adversarial Networks) dan VAE (Variational Autoencoders).GAN mampu mengidentifikasi pola noise speckle dan menghasilkan citra sintetis yang bersih, sementara VAE membantu dalam mereduksi noise dengan menghasilkan representasi citra yang lebih baik. Penelitian ini melakukan pengujian terhadap metode tersebut dan menemukan bahwa peningkatan kualitas rekonstruksi gambar terlihat dari nilai discriminator loss, PSNR yang lebih tinggi, dan nilai MSE yang lebih rendah. Hasil pengujian menunjukkan bahwa metode ini mencapai peningkatan PSNR rata-rata sebesar 30,62 dB dan penurunan MSE rata-rata sebesar 6,28 .Namun, hasil ini dipengaruhi oleh faktor-faktor seperti jumlah epoch dan batch size. Meskipun peningkatan nilai ini diharapkan, perlu diingat bahwa nilai yang terlalu tinggi dapat menyebabkan overfitting pada data pelatihan. Dengan demikian, kombinasi GAN dan VAE menjanjikan untuk pengurangan noise speckle yang lebih efisien dan pemulihan struktur objek yang penting dalam citra medis CT-scan. Nilai akurasi yang diperoleh dari pengujian ini menunjukkan bahwa model memiliki potensi tinggi dalam aplikasi nyata, namun tetap memerlukan penyesuaian parameter untuk menghindari overfitting dan memastikan generalisasi yang baik pada data baru. Kata kunci: Noise Speckle, Citra CT-Scan, GAN, VAE