Segmentasi Pembuluh Darah Pada Citra Retina Menggunakan Metode Attention V-Net

Abstract

Segmentasi pembuluh darah retina merupakan tahap penting dalam analisis citra medis untuk mendukung deteksi dini penyakit retina. Namun, proses segmentasi masih menghadapi tantangan karena ukuran pembuluh darah yang kecil, struktur yang kompleks, serta rendahnya kontras antara pembuluh darah dan latar belakang citra. Selain itu, arsitektur U-Net yang umum digunakan memiliki kompleksitas jaringan yang cukup tinggi sehingga memerlukan pengembangan untuk meningkatkan efisiensi dan akurasi segmentasi. Penelitian ini mengusulkan arsitektur Attention V-Net sebagai pengembangan dari U-Net. Arsitektur yang diusulkan diperoleh dengan menghilangkan bagian bridge pada U-Net sehingga membentuk V-Net, kemudian menambahkan mekanisme Attention Gate pada skip connection untuk meningkatkan kemampuan ekstraksi fitur pembuluh darah retina. Metode penelitian diawali dengan augmentasi data menggunakan horizontal flip, vertical flip, dan rotasi 90°. Tahap preprocessing dilakukan menggunakan metode grayscale. Selanjutnya, segmentasi pembuluh darah dilakukan menggunakan arsitektur Attention V-Net. Evaluasi kinerja dilakukan menggunakan metrik accuracy, sensitivity, precision, specificity, dan F1-Score. Hasil penelitian menunjukkan bahwa Attention V-Net menghasilkan accuracy sebesar 95,54%, sensitivity sebesar 82,62%, precision sebesar 71,07%, specificity sebesar 96,78, dan F1-Score sebesar 76,41% pada dataset DRIVE.  Hasil pengujian menunjukkan bahwa Attention V-Net mampu mendeteksi pembuluh darah retina dengan baik, termasuk pembuluh darah berukuran kecil. Dibandingkan beberapa metode berbasis U-Net, Attention V-Net menghasilkan nilai sensitivity yang kompetitif. Penambahan Attention Gate membantu model memfokuskan segmentasi pada area pembuluh darah yang relevan sehingga meningkatkan kualitas hasil segmentasi. Secara keseluruhan, Attention V-Net memberikan performa yang baik dan berpotensi diterapkan dalam analisis citra retina berbasis kecerdasan buatan.