Mohon tunggu...
Bisnis Digital 2022D
Bisnis Digital 2022D Mohon Tunggu... Mahasiswa - Universitas Negeri Surabaya

Untuk Keperluan Mata Kuliah Manajemen Operasi yang di ajar Renny Sari Dewi, S.Kom., M.Kom.

Selanjutnya

Tutup

Healthy

Penggunaan Fractal Dimension untuk Memprediksi Penyakit Alzheimer

29 November 2023   15:39 Diperbarui: 29 November 2023   18:50 74
+
Laporkan Konten
Laporkan Akun
Kompasiana adalah platform blog. Konten ini menjadi tanggung jawab bloger dan tidak mewakili pandangan redaksi Kompas.
Lihat foto
Bagikan ide kreativitasmu dalam bentuk konten di Kompasiana | Sumber gambar: Freepik

Ditulis oleh Habib Muhammad Hidayaturromadlon

Apa itu Fractal Dimension?

Fractal Dimesion adalah ukuran yang mengindikasikan kompleksitas suatu objek dengan membandingkan bagaimana detail dalam pola objek tersebut berubah dengan skala di mana objek tersebut diukur. Fractal Dimension diukur menggunakan metode box-counting, yang memiliki banyak sifat baik seperti kekokohan dan kemampuan untuk mengevaluasi fraktal dari objek dengan dan tanpa self-similarity. Metode ini digunakan untuk mengukur kompleksitas global dari kumpulan objek yang berbentuk tidak teratur, seperti materi otak putih dan abu-abu.

Penggunaan Fractal Dimension dalam Memprediksi Penyakit Alzheimer

Fractal Dimension yang dihitung dari pemindaian MRI yang telah diproses memberikan indeks berharga untuk membedakan antara subjek sehat dan yang terkena penyakit Alzheimer. Meskipun penyakit Alzheimer umumnya dianggap sebagai penyakit materi abu-abu otak, selain dari kehilangan neuron yang khas dari penyakit ini, degenerasi dan demielinasi materi putih juga dapat menjadi penting secara patofisiologis. Hasil penelitian menunjukkan bahwa indeks FD 3D materi abu-abu mampu membedakan subjek sehat dan penderita Alzheimer, sedangkan indeks FD 3D materi putih tidak menunjukkan hubungan yang signifikan. Namun kehadiran indeks FD 3D materi putih meningkatkan kemampuan diskon dari indeks FD materi abu-abu. Selain itu, analisis statistik menunjukkan bahwa kinerja model Neural Network meningkat ketika setiap indeks FD 3D diubah menjadi urutan indeks FD 2D dari (sebagian) irisan horizontal dari volume material putih dan abu-abu. Hal ini menunjukkan bahwa analisis dimensi fraktal dapat memberikan informasi berharga dalam membedakan antara subjek sehat dan penderita Alzheimer.

Peran Model Jaringan Saraf Tiruan dalam Analisis Fraktal

Model jaringan saraf tiruan digunakan untuk mengaktifkan kemampuan klasifikasi dari indeks-indeks fraktal pada subjek sehat dan penderita Alzheimer. Hasil penelitian menunjukkan bahwa kinerja model Neural Network meningkat ketika setiap indeks FD 3D diubah menjadi urutan indeks FD 2D dari (sebagian) irisan horizontal dari volume materi putih dan abu-abu. Hal ini menunjukkan bahwa model jaringan saraf tiruan dapat memainkan peran penting dalam menganalisis dimensi fraktal untuk membedakan antara subjek sehat dan penderita Alzheimer.

Kesimpulan

Penggunaan  Fractal Dimension untuk menganalisis materi putih dan abu-abu pada subjek sehat dan penderita Alzheimer. Hasil analisis statistik dan model jaringan saraf menunjukkan bahwa Fractal Dimension materi abu-abu memiliki korelasi dengan Alzheimer, sedangkan Fractal Dimension materi putih tidak menunjukkan hubungan yang signifikan. Namun, penggunaan model jaringan saraf menunjukkan peningkatan kinerja prediktif ketika mempertimbangkan Fractal Dimension dari kedua jenis materi otak. Penelitian ini menyarankan analisis bahwa Fractal Dimenson dapat memberikan wawasan berharga tentang perbedaan antara otak sehat dan yang terkena Alzheimer. Selain itu, penelitian ini juga membahas kinerja berbagai pelatihan algoritma untuk jaringan saraf dalam mengklasifikasikan penyakit Alzheimer dan subjek sehat berdasarkan pemindaian data otak. Studi ini memberikan referensi yang luas terkait analisis dimensi fraktal dan jaringan saraf.

Sumber

HALAMAN :
  1. 1
  2. 2
Mohon tunggu...

Lihat Konten Healthy Selengkapnya
Lihat Healthy Selengkapnya
Beri Komentar
Berkomentarlah secara bijaksana dan bertanggung jawab. Komentar sepenuhnya menjadi tanggung jawab komentator seperti diatur dalam UU ITE

Belum ada komentar. Jadilah yang pertama untuk memberikan komentar!
LAPORKAN KONTEN
Alasan
Laporkan Konten
Laporkan Akun