Early diagnosis of multiple sclerosis (MS) through the delineation of lesions in the brain magnetic resonance imaging is important in preventing the deteriorating condition of MS. This study aims to develop a modified U‐Net model for automating lesions segmentation in MS more accurately. The proposed modified U‐Net uses residual dense blocks to replace the standard convolutional stacks and incorporates three axes (axial, sagittal, and coronal) of 2D slice images as input. Furthermore, a custom fusion method is also introduced for merging the predicted lesions from different axes. The model was implemented on ISBI2015 and OpenMS data sets. On ISBI2015, the proposed model achieves the best overall score of 93.090% and DSC of 0.857 on the OpenMS data set.

Penelitian ini dilakukan untuk menganalisis pengaruh sentimen media massa internasional terhadap indikator makroekonomi di lima negara ASEAN, yaitu Indonesia, Malaysia, Thailand, Singapura, dan Brunei Darussalam. Tujuan dari penelitian ini untuk mengembangkan model prakiraan makroekonomi berdasarkan hasil analisis indeks makroekonomi dan sentimen internasional yang menggabungkan data GDELT dan Indikator Perkembangan Dunia. Hasil penelitian menyebutkan bahwa setiap variabel indeks ekonomi memiliki korelasi terhadap variabel sentimen berita. Indikator yang paling berkorelasi dengan variabel sentimen berita, yaitu Current Account Balance (CAB) (0.777628), Foreign Direct Investment (FDI) (0.727840), dan Inflasi (-0,223941). Oleh karena itu, pembuat kebijakan ekonomi (pemerintah setiap negara) dan pelaku pasar mengandalkan beragam model yang menggabungkan informasi lunak yang mencakup ukuran subjektif mengenai sikap tentang kondisi ekonomi saat ini dan masa depan.