ITSITS
(IJCSAM) International Journal of Computing Science and Applied Mathematics(IJCSAM) International Journal of Computing Science and Applied MathematicsPneumonia adalah penyakit kedua yang paling banyak ditangani di unit gawat darurat. Pneumonia dapat dibedakan berdasarkan tingkat keparahannya menjadi pneumonia viral dan bakterial. Coronavirus (COVID-19) telah menjadi pandemi yang menyebar secara global. Kepanikan selama pandemi menyebabkan banyak orang mendiagnosis sendiri dan menganggap pneumonia biasa sebagai COVID-19. Meskipun memiliki gejala yang hampir mirip, tidak semua pneumonia adalah COVID-19. Pneumonia adalah peradangan paru-paru yang disebabkan oleh bakteri, virus, atau jamur. Sebaliknya, pneumonia akibat COVID-19 disebabkan oleh virus SARS-CoV-2. Diagnosis dini COVID-19 dan pneumonia sangat penting untuk melakukan pengobatan optimal. Rontgen dada merupakan metode umum untuk mendeteksi pneumonia dan direkomendasikan untuk kasus COVID-19. Penelitian ini mengusulkan sistem klasifikasi pneumonia termasuk COVID-19 berdasarkan citra rontgen dada menggunakan kombinasi Visual Geometry Group (VGG) dan Long Short Term Memory (LSTM). Kami juga menerapkan koreksi gamma untuk peningkatan kualitas citra rontgen toraks. Dalam sistem yang diusulkan, VGG digunakan untuk ekstraksi fitur, sedangkan LSTM digunakan sebagai klasifikasi. Hasil eksperimen menunjukkan bahwa sistem yang diusulkan mencapai akurasi sebesar 96,88% dibandingkan metode terkini lainnya untuk klasifikasi pneumonia.
Sistem klasifikasi pneumonia berbasis citra rontgen dada menggunakan pendekatan machine learning dan deep learning berhasil dikembangkan dalam penelitian ini.Kombinasi Gamma Correction dan VGG-LSTM memberikan akurasi tertinggi, yaitu 96,88%, yang lebih baik dibandingkan tanpa penerapan Gamma Correction.Tahap pra-pemrosesan dengan koreksi gamma memberikan pengaruh signifikan terhadap kinerja klasifikasi pneumonia.
Pertama, perlu dikembangkan penelitian untuk mengevaluasi kinerja model pada dataset yang lebih beragam, termasuk populasi dari wilayah geografis dan ras yang berbeda, agar dapat diketahui sejauh mana model bisa digeneralisasi di berbagai kondisi dunia nyata. Kedua, penting untuk mengeksplorasi kombinasi metode peningkatan citra lainnya selain koreksi gamma, seperti CLAHE atau normalisasi kontras adaptif, untuk melihat apakah dapat lebih meningkatkan akurasi deteksi khususnya pada citra berkualitas rendah. Ketiga, perlu dilakukan studi untuk mengintegrasikan model ini dengan sistem diagnosis berbasis klinis yang memasukkan data pasien seperti usia, gejala, dan riwayat medis, untuk menguji apakah kombinasi data citra dan klinis dapat meningkatkan akurasi dan keandalan diagnosis secara signifikan dibanding penggunaan citra semata.
| File size | 642.41 KB |
| Pages | 8 |
| DMCA | Report |
Related /
ITSITS Based on AIC values, this study concludes that the NAGARCH(1,1) model under Student-t distribution performs the best. The study evaluated the performanceBased on AIC values, this study concludes that the NAGARCH(1,1) model under Student-t distribution performs the best. The study evaluated the performance
HOSTJOURNALSHOSTJOURNALS Hasil ini membuktikan bahwa arsitektur CNN ringan yang dirancang khusus untuk karakteristik citra pertanian mampu memberikan kinerja yang kompetitif denganHasil ini membuktikan bahwa arsitektur CNN ringan yang dirancang khusus untuk karakteristik citra pertanian mampu memberikan kinerja yang kompetitif dengan
IAESONLINEIAESONLINE Temuan eksperimental menunjukkan bahwa pendekatan ensemble yang diusulkan jauh melebihi model klasik dan mandiri, mencapai akurasi sempurna atau hampirTemuan eksperimental menunjukkan bahwa pendekatan ensemble yang diusulkan jauh melebihi model klasik dan mandiri, mencapai akurasi sempurna atau hampir
NINETYJOURNALNINETYJOURNAL Penelitian ini memberikan perbandingan komprehensif antara One-Class SVM (OCSVM) dan Isolation Forest (IF) untuk deteksi anomali pada dataset MNIST. HasilPenelitian ini memberikan perbandingan komprehensif antara One-Class SVM (OCSVM) dan Isolation Forest (IF) untuk deteksi anomali pada dataset MNIST. Hasil
PROVISIPROVISI Penelitian ini bertujuan untuk mengembangkan model prediktif untuk mengidentifikasi mahasiswa yang berisiko putus sekolah menggunakan teknik machine learning.Penelitian ini bertujuan untuk mengembangkan model prediktif untuk mengidentifikasi mahasiswa yang berisiko putus sekolah menggunakan teknik machine learning.
UNJAYAUNJAYA Anemia pada anak usia 0–59 bulan merupakan masalah kesehatan yang serius dengan dampak jangka panjang terhadap pertumbuhan dan perkembangan. PenelitianAnemia pada anak usia 0–59 bulan merupakan masalah kesehatan yang serius dengan dampak jangka panjang terhadap pertumbuhan dan perkembangan. Penelitian
NINETYJOURNALNINETYJOURNAL Kesimpulannya, CNN lebih unggul untuk klasifikasi citra kulit kompleks, sementara Random Forest dan SVM dapat menjadi alternatif untuk Dataset sederhana.Kesimpulannya, CNN lebih unggul untuk klasifikasi citra kulit kompleks, sementara Random Forest dan SVM dapat menjadi alternatif untuk Dataset sederhana.
UNESAUNESA This research examines the application of overtime working time at PT TKB, a Food and Beverage-based company operating in Surabaya, with a focus on theThis research examines the application of overtime working time at PT TKB, a Food and Beverage-based company operating in Surabaya, with a focus on the
Useful /
ALSHOBARALSHOBAR Adanya Pengaruh antara tingkat kohesivitas kelompok terhadap tingkat motivasi kerja karyawan PT. X memberikan informasi bahwa tinggi rendahnya motivasiAdanya Pengaruh antara tingkat kohesivitas kelompok terhadap tingkat motivasi kerja karyawan PT. X memberikan informasi bahwa tinggi rendahnya motivasi
INDRAINSTITUTEINDRAINSTITUTE Distribusi kategori: 4 siswa (16%) Sangat Tinggi, 10 siswa (40%) Tinggi, 8 siswa (32%) Sedang, 2 siswa (8%) Rendah, dan 1 siswa (4%) Sangat Rendah. MotivasiDistribusi kategori: 4 siswa (16%) Sangat Tinggi, 10 siswa (40%) Tinggi, 8 siswa (32%) Sedang, 2 siswa (8%) Rendah, dan 1 siswa (4%) Sangat Rendah. Motivasi
NINETYJOURNALNINETYJOURNAL Dan hasil akhir dari penelitian ini dapat menentukan pemilihan jurusan sesuai bakat siswa berdasarkan rekomendasi yang telah ada yaitu terdapat tujuh calonDan hasil akhir dari penelitian ini dapat menentukan pemilihan jurusan sesuai bakat siswa berdasarkan rekomendasi yang telah ada yaitu terdapat tujuh calon
ITSITS The estimation results are then compared with the classical method, the least squares method for the one-compartment model, and the residual method forThe estimation results are then compared with the classical method, the least squares method for the one-compartment model, and the residual method for