HAMZANWADIHAMZANWADI
Edumatic: Jurnal Pendidikan InformatikaEdumatic: Jurnal Pendidikan InformatikaKanker payudara tetap menjadi salah satu penyebab kematian akibat kanker yang paling umum di kalangan wanita di seluruh dunia, menekankan kebutuhan sistem diagnosis yang akurat dan dapat dijelaskan. Meskipun transfer learning menunjukkan hasil yang menjanjikan dalam klasifikasi gambar histopatologi, studi yang secara bersamaan mengevaluasi kinerja prediktif, keandalan statistik, dan interpretabilitas tetap terbatas. Studi ini mengusulkan kerangka transfer learning yang dapat dijelaskan untuk klasifikasi histopatologi kanker payudara dan mengeksplorasi interpretabilitasnya. Eksperimen dilakukan menggunakan 2.013 gambar histopatologi dari dataset BreakHis pada pembesaran 200×. Tiga arsitektur pra-latih, ResNet50, DenseNet121, dan EfficientNetB0, dilatih dan dievaluasi di bawah pengolahan, augmentasi, dan pengaturan pelatihan yang sama. Kinerja dinilai menggunakan akurasi, presisi, recall, F1-score, AUC, interval kepercayaan, uji McNemar, analisis matriks kebingungan, dan visualisasi Grad-CAM. Hasil menunjukkan bahwa DenseNet121 mencapai kinerja klasifikasi yang paling seimbang dan kemampuan diferensiasi tertinggi di antara model yang dievaluasi. Analisis statistik membenarkan perbedaan kinerja yang signifikan, sementara visualisasi Grad-CAM menunjukkan area aktivasi yang lebih fokus dan relevan secara diagnostik. Temuan ini menunjukkan bahwa model yang belajar representasi histopatologi yang lebih diferensiasi cenderung menghasilkan penjelasan visual yang lebih bermakna. Studi ini menekankan integrasi kinerja prediktif, validasi statistik, dan kejelasan untuk mendukung sistem kecerdasan buatan yang dapat dipercaya dan transparan untuk diagnosis kanker payudara.
Studi ini menunjukkan bahwa evaluasi kinerja prediktif bersama dengan kejelasan memberikan penilaian yang lebih komprehensif terhadap model transfer learning untuk klasifikasi histopatologi kanker payudara.Diantara arsitektur yang dievaluasi, DenseNet121 secara konsisten mencapai kinerja terbaik, menggabungkan akurasi klasifikasi yang lebih baik dengan visualisasi Grad-CAM yang lebih fokus dan bermakna secara diagnostik, menunjukkan kemampuannya yang lebih kuat dalam belajar representasi histopatologi yang diferensiasi.Temuan ini menekankan bahwa efektivitas prediktif dan interpretabilitas harus dipertimbangkan sebagai kriteria komplementer saat mengembangkan sistem kecerdasan buatan yang dapat dipercaya untuk patologi komputasi.Kerangka evaluasi yang ditawarkan berkontribusi pada kemajuan AI transparan dengan mengintegrasikan metrik kinerja, validasi statistik, dan kejelasan visual dalam pipeline penilaian yang terpadu.Studi lanjutan perlu memvalidasi temuan ini menggunakan dataset multi-pusat, protokol evaluasi berbasis pasien, dan metrik kejelasan kuantitatif untuk lebih memperkuat kehandalan dan aplikabilitas praktis model pembelajaran dalam jaringan yang dapat dijelaskan.
Saran pertama adalah mengembangkan penelitian tentang penggunaan dataset histopatologi yang lebih beragam untuk menguji generalisasi model transfer learning. Sementara itu, saran kedua dapat fokus pada pengembangan metode validasi berbasis pasien untuk meningkatkan keandalan evaluasi kinerja model. Terakhir, saran ketiga menyarankan eksplorasi teknik kejelasan kuantitatif dengan annotasi ahli untuk memperkuat interpretabilitas model. Penelitian ini dapat menghasilkan kerangka kerja yang lebih robust untuk sistem diagnosis kanker payudara. Penelitian lanjutan juga perlu mempertimbangkan integrasi informasi molekuler dan klinis untuk meningkatkan akurasi dan transparansi. Dengan demikian, penelitian yang lebih mendalam tentang efektivitas berbagai pendekatan transfer learning dapat membantu memperbaiki diagnosis kanker payudara. Penelitian ini juga dapat membuka jalan untuk pengembangan alat bantu diagnostik yang lebih akurat dan dapat dipercaya. Keterbatasan dataset saat ini menunjukkan pentingnya kolaborasi lintas institusi untuk mengumpulkan data yang lebih luas. Dengan menggabungkan pendekatan kuantitatif dan kualitatif, penelitian ini dapat memberikan wawasan baru tentang cara meningkatkan kinerja model. Akhirnya, penelitian yang berfokus pada pengujian teknik kejelasan di lingkungan klinis nyata dapat meningkatkan adopsi teknologi AI dalam praktik medis.
- Client Challenge. client challenge javascript disabled browser please enable proceed required part site... doi.org/10.1007/s10586-025-05281-5Client Challenge client challenge javascript disabled browser please enable proceed required part site doi 10 1007 s10586 025 05281 5
- Client Challenge. client challenge javascript disabled browser please enable proceed required part site... diagnosticpathology.biomedcentral.com/articles/10.1186/s13000-024-01453-wClient Challenge client challenge javascript disabled browser please enable proceed required part site diagnosticpathology biomedcentral articles 10 1186 s13000 024 01453 w
| File size | 711.92 KB |
| Pages | 10 |
| DMCA | Report |
Related /
IJCSNETIJCSNET Tujuan: Melakukan program pengabdian masyarakat dengan intervensi branding digital berbiaya rendah untuk meningkatkan kesiapan pemasaran mitra. DenganTujuan: Melakukan program pengabdian masyarakat dengan intervensi branding digital berbiaya rendah untuk meningkatkan kesiapan pemasaran mitra. Dengan
IJCSNETIJCSNET Kolaborasi antara universitas, pemerintah desa, organisasi bantuan hukum, advokat disabilitas, lembaga penegak hukum, dan komunitas lokal sangat pentingKolaborasi antara universitas, pemerintah desa, organisasi bantuan hukum, advokat disabilitas, lembaga penegak hukum, dan komunitas lokal sangat penting
IJCSNETIJCSNET Kegiatan pertama mengembangkan keterampilan dalam pengolahan sisa nasi, tahu, dan tempe melalui penyortiran, pengeringan, penggilingan, dan penyaringan.Kegiatan pertama mengembangkan keterampilan dalam pengolahan sisa nasi, tahu, dan tempe melalui penyortiran, pengeringan, penggilingan, dan penyaringan.
IJCSNETIJCSNET Hasil ini menunjukkan bahwa pembelajaran berbasis etnopedagogi yang didasarkan pada kebijaksanaan lokal dapat menciptakan pengalaman belajar kontekstual,Hasil ini menunjukkan bahwa pembelajaran berbasis etnopedagogi yang didasarkan pada kebijaksanaan lokal dapat menciptakan pengalaman belajar kontekstual,
IJCSNETIJCSNET Penelitian ini menunjukkan bahwa kolaborasi antara perusahaan, pemerintah, dan masyarakat melalui inovasi sosial berdasarkan kebutuhan lokal dapat memperkuatPenelitian ini menunjukkan bahwa kolaborasi antara perusahaan, pemerintah, dan masyarakat melalui inovasi sosial berdasarkan kebutuhan lokal dapat memperkuat
YAZRIYAZRI Penelitian ini bertujuan untuk menganalisis Tradisi Malam Satu Suro dalam Perspektif Hukum Islam di Desa Sambikarto, Kecamatan Sekampung, Kabupaten LampungPenelitian ini bertujuan untuk menganalisis Tradisi Malam Satu Suro dalam Perspektif Hukum Islam di Desa Sambikarto, Kecamatan Sekampung, Kabupaten Lampung
HAMZANWADIHAMZANWADI Penilaian kesegaran ikan sangat penting untuk menjamin kualitas makanan dan keamanan konsumen; namun, pemeriksaan visual konvensional tetap bersifat subyektifPenilaian kesegaran ikan sangat penting untuk menjamin kualitas makanan dan keamanan konsumen; namun, pemeriksaan visual konvensional tetap bersifat subyektif
STPKAKSTPKAK Hasil penelitian menunjukkan bahwa penerapan model TGT secara konsisten dapat meningkatkan motivasi belajar siswa. Peningkatan motivasi ini diperoleh melaluiHasil penelitian menunjukkan bahwa penerapan model TGT secara konsisten dapat meningkatkan motivasi belajar siswa. Peningkatan motivasi ini diperoleh melalui
Useful /
IJCSNETIJCSNET Metode pelaksanaan mencakup survei awal di lokasi, pemantauan dan kontrol perangkat dasar untuk peralatan beban tinggi, workshop manajemen energi, danMetode pelaksanaan mencakup survei awal di lokasi, pemantauan dan kontrol perangkat dasar untuk peralatan beban tinggi, workshop manajemen energi, dan
HAMZANWADIHAMZANWADI Sebanyak 60.000 gambar CelebA-Spoof dibagi dengan pembagian subjek 80:10:10, dan empat skenario dibandingkan. MobileNetV2 dasar mencapai keseimbangan keseluruhanSebanyak 60.000 gambar CelebA-Spoof dibagi dengan pembagian subjek 80:10:10, dan empat skenario dibandingkan. MobileNetV2 dasar mencapai keseimbangan keseluruhan
STIKESMEDISTRA INDONESIASTIKESMEDISTRA INDONESIA Penelitian ini bertujuan untuk merumuskan dan menilai salep steril berbasis VCO dengan berbagai konsentrasi yaitu 0% (F0), 10% (F1), 20% (F2), dan 30%Penelitian ini bertujuan untuk merumuskan dan menilai salep steril berbasis VCO dengan berbagai konsentrasi yaitu 0% (F0), 10% (F1), 20% (F2), dan 30%
STPKAKSTPKAK Selain itu dalam perhitungan nilai koefesien determinasi (R2) Kreativitas Pembina SEKAMI (X) mempunyai sumbangan sebesar 81,7% terhadap minat anak (Y)Selain itu dalam perhitungan nilai koefesien determinasi (R2) Kreativitas Pembina SEKAMI (X) mempunyai sumbangan sebesar 81,7% terhadap minat anak (Y)