IMPLEMENTASI MASK-RCNN UNTUK SEGMENTASI DENTIN TERSIER

<p>Kesehatan gigi dan mulut dapat merefleksikan kesehatan tubuh secara keseluruhan, termasuk apabila saat terjadi kekurangan nutrisi atau gejala penyakit lainnya di tubuh. Hasil Riset Kesehatan Dasar (Riskesdas) Kementerian Kesehatan tahun 2018 menyatakan bahwa gigi rusak atau berlubang atau sakit merupakan proporsi terbesar masalah gigi di Indonesia dengan persentase sebesar 45,3%. Kaping pulpa merupakan perawatan pulpa dengan obat yang ditempatkan langsung diatas pulpa terbuka. Evaluasi dari perawatan kaping pulpa dilakukan dengan cara mengamati hasil foto rontgen gigi. Pada saat ini tenaga medis masih mengamati ketebalan pada dentin tersier secara manual dengan melakukan segmentasi dentin tersier pada citra rontgen untuk membandingkan hasil foto rontgen sebelum dan sesudah prosedur perawatan kaping pulpa untuk memperoleh informasi apakah dentin tersier setelah perawatan menjadi lebih tebal atau tidak. Penelitian ini bertujuan untuk mengembangkan teknologi pengamatan ketebalan dentin tersier yang menggunakan <em>Deep Learning</em> untuk melakukan segmentasi dentin tersier. Tahapan yang dilakukan dalam penelitian ini adalah pengumpulan data, pengolahan data, penerapan serta pengujian metode yang digunakan hingga mencapai hasil dan kesimpulan. Performa algoritma Mask-RCNN yang diterapkan pada penelitian ini menunjukkan hasil yang belum terlalu bagus untuk melakukan segmentasi dentin tersier. Dengan menggunakan sebanyak 165 citra sebagai data training, dihasilkan tingkat loss training 0.54 dan validation loss 0.49. Kesalahan yang sering terjadi pada proses pengujian dan validasi hasil segmentasi dentin tersier berupa oversegmented region.</p>