Daftar Isi: Rancang Bangun Arsitektur Convolutional Neural Network Untuk Diagnosis Pneumonia Berdasar Citra X-Ray Dada

Daftar Isi:

Radiografi memegang peranan penting dalam bidang medis. Ada banyak penyakit dalam tubuh manusia yang dapat didiagnosis dengan tepat menggunakan Radiodiagnostik, seperti pneumonia hingga isu yang sedang hangat yaitu Covid-19. Diagnosis pneumonia pada umumnya memanfaatkan analisis ahli radiologi terhadap citra sinar-X dada pasien secara manual berdasarkan tampilan visual. Berbagai metode komputasi telah dikembangkan dalam proses diagnosis pneumonia, termasuk penggunaan deep learning dengan arsitektur VGGNet dan XCeption. Seiring berkembangnya teknologi, berbagai model komputasi berkembang pesat untuk mendapatkan hasil diagnosis yang lebih cepat dan akurat. Pada penelitian ini, dikembangkan model Deep learning CNN dengan arsitektur UBNet. UBNet adalah arsitektur CNN yang dirancang khusus untuk mengolah citra sinar-X dada dalam bentuk 2 dimensi dengan mempertimbangkan beban komputasi dan juga performa model. Kemudian, arsitektur UBNet disusun secara bertingkat sebagai sebuah sistem diagnosis pneumonia. Sistem diagnosis pneumonia ditampilkan dalam sebuah GUI (Graphic User Interface). Dalam pengujian, didapatkan akurasi UBNet mencapai +90% dengan waktu diagnosis kurang dari 10 detik ketika dijalankan dalam hardware tanpa GPU. Pada analisis error pada sistem diagnosis, diketahui bahwa sistem menunjukkan pola-pola unik ketika melakukan suatu kesalahan dalam proses diagnosis.