SEGMENTASI SUBARACHNOID HEMORRHAGE PADA CITRA CT SCAN OTAK MENGGUNAKAN U-NET DAN ATTENTION U-NET UNTUK ANALISIS PERBANDINGAN

Subarachnoid Hemorrhage (SAH) merupakan kondisi medis kritis akibat perdarahan pada ruang subarachnoid, umumnya disebabkan oleh pecahnya aneurisma atau trauma kepala. Deteksi dini sangat penting untuk mencegah kerusakan neurologis serius, sementara CT scan menjadi modalitas utama karena cepat dan sensitif. Namun, interpretasi manual masih terbatas oleh variabilitas antar pengamat dan kesulitan mendeteksi perdarahan samar atau berkontras rendah.
Penelitian ini membandingkan model U-Net dan Attention U-Net dalam segmentasi SAH pada citra CT otak. U-Net dikenal efektif dalam segmentasi citra medis, tetapi sering kesulitan membedakan area dengan kontras rendah. Sebaliknya, Attention U-Net mengintegrasikan mekanisme perhatian yang menyoroti fitur relevan dan menekan kebisingan latar belakang, sehingga berpotensi meningkatkan akurasi segmentasi.
Evaluasi dilakukan menggunakan dataset CT SAH publik dengan metrik Dice Score, IoU, Precision, Recall, dan F1 Score. Hasil menunjukkan Attention U-Net unggul dengan nilai Dice (0,896) dan IoU (0,877), sedangkan U-Net lebih baik dalam precision. Analisis visual juga memperlihatkan bahwa Attention U-Net lebih akurat dalam mendelineasi perdarahan yang menyebar. Temuan ini menegaskan pentingnya mekanisme attention untuk meningkatkan akurasi segmentasi dan relevansi klinis.