Implementasi Deep Learning dalam Mendeteksi Penyakit Menggunakan Convolutional Neural Network dan Tensorflow (Studi Kasus: Penyakit Saluran Pencernaan (Gastrointestinal) Esophagitis, Polyps, Normal-Pylorus, Dyed-Lifted-Polyps dan Dyed-Resection-Margins)
Abstract
Kesehatan fisik merupakan hal penting untuk diperhatikan, namun terkadang banyak orang yang abai untuk memperhatikannya. Kerapkali keluhan yang dirasakan seseorang dan gejala penyakit tertentu sulit dideteksi sejak dini oleh yang bersangkutan. Gangguan pada saluran pencernaan (gastrointestinal) ialah suatu kelainan atau penyakit pada jalan makanan/pencernaan. Penyakit gastrointestinal yang termasuk yaitu kelainan penyakit kerongkongan (eshopagus), lambung (gaster), usus halus (intestinum), usus besar (colon), hati (liver), saluran empedu (traktus biliaris) dan pankreas. Penyakit saluran pencernaan merupakan penyakit yang berbahaya dan menyebabkan kematian, sehingga perlu adanya media bantu berupa sistem mudah memberikan solusi yang tepat untuk menangani permasalahan tersebut. Pemanfaatan computer vision sangat berguna bagi bidang kesehatan dengan menggunakan convolutional neural network dan tensorflow dalam mendeteksi sebuah objek penyakit. Penelitian ini bermaksud untuk memberikan sebuah inovasi kepada tenaga medis yag ahli dibidangnya dalam menganalisa sebuah penyakit gastrointestinal dengan menggunakan metode deep learning. Hasil testing model yang diperoleh dari uji validasi dengan kategori polyps nilai akurasi sebesar 83% - 90%, normal-pylorus nilai akurasi sebesar 86% - 92%, dyed-lifted-polyps nilai akurasi sebesar 83% - 97%, esophagitis nilai akurasi sebesar 82% - 92%, dan dyed-resection-margins nilai akurasi sebesar 82% - 93%.
Collections
- Statistics [904]