UKRIMUKRIM

Infact: International Journal of ComputersInfact: International Journal of Computers

Penyakit autoimun terjadi ketika sistem kekebalan tubuh menyerang sel-sel sehat, menyebabkan berbagai gejala yang dapat sangat mempengaruhi kualitas hidup pasien. Di Indonesia, kondisi ini menjadi masalah kesehatan masyarakat yang signifikan. Menurut penelitian Kementerian Kesehatan Republik Indonesia pada tahun 2024, lupus autoimun mempengaruhi sekitar 0,5% populasi, yang berdampak pada lebih dari 1,3 juta orang. Studi ini mengusulkan model klasifikasi dan deteksi yang memanfaatkan Jaringan Saraf Konvolusi (Convolutional Neural Networks/CNN) dengan transfer learning, yang menggabungkan MobileNetV2, MobileNetV3Small, MobileNetV3Large, ResNet50, ResNet101, dan ResNet152. Kinerja model dinilai menggunakan matriks kebingungan, mengevaluasi presisi, recall, dan F1-score, sementara efisiensi komputasi dianalisis menggunakan GPU T4. Hasil eksperimen menunjukkan bahwa ResNet152 mencapai akurasi tertinggi sebesar 92%. Temuan ini menekankan peran penting pemilihan arsitektur CNN optimal untuk meningkatkan akurasi klasifikasi dan deteksi penyakit kulit autoimun dan non-autoimun.

Studi ini mengembangkan model klasifikasi dan deteksi untuk penyakit kulit autoimun dan non-autoimun menggunakan deep learning.Model memanfaatkan arsitektur CNN yang telah dilatih sebelumnya sebagai lapisan input untuk mengekstraksi fitur dan mempercepat pelatihan.Delapan lapisan tambahan, termasuk Flatten, Dropout, BatchNormalization, Fully Connected, dan Output, ditambahkan untuk meningkatkan ketahanan model, mengurangi overfitting, dan mengoptimalkan akurasi klasifikasi.Hasil eksperimen menunjukkan bahwa ResNet152 dengan 50 epoch memberikan kinerja terbaik, dengan akurasi 92%.Model ini mampu mengenali semua kelas dengan baik pada tahap awal pelatihan.Model ResNet50 dan ResNet101 juga menunjukkan kinerja yang baik dengan akurasi 91%.Sementara itu, MobileNetV3Large mencapai akurasi 82%, MobileNetV2 dan MobileNetV3Small mencapai akurasi 82% dan 77% masing-masing.Data augmentasi meningkatkan jumlah dataset dari 2.000 gambar, mengurangi overfitting, dan meningkatkan generalisasi.Model ini memiliki potensi untuk meningkatkan deteksi dini dan diagnosis penyakit kulit, mendukung dermatologis dan profesional kesehatan, serta mendorong kemajuan dalam pengolahan citra medis.

Untuk penelitian lanjutan, disarankan untuk meningkatkan ukuran dataset, menyeimbangkan jumlah data untuk setiap kelas agar mencegah bias, mengeksplorasi model dan optimasi yang lebih lanjut, menerapkan teknik segmentasi citra seperti U-Net dan Mask R-CNN, mengimplementasikan YOLO untuk deteksi penyakit kulit real-time, dan mengintegrasikan model ke dalam aplikasi web untuk penggunaan praktis. Penelitian ini dapat berkontribusi pada peningkatan deteksi dini dan diagnosis penyakit kulit, serta meningkatkan kualitas hidup pasien.

  1. CMC | Application of the Deep Convolutional Neural Network for the Classification of Auto Immune Diseases.... techscience.com/cmc/v77n1/54504CMC Application of the Deep Convolutional Neural Network for the Classification of Auto Immune Diseases techscience cmc v77n1 54504
  2. Client Challenge. client challenge javascript disabled browser please enable proceed required part site... journalofbigdata.springeropen.com/articles/10.1186/s40537-021-00444-8Client Challenge client challenge javascript disabled browser please enable proceed required part site journalofbigdata springeropen articles 10 1186 s40537 021 00444 8
Read online
File size985.32 KB
Pages12
DMCAReport

Related /

ads-block-test