DEEP LEARNING CLASSIFICATION CHEST X-RAY IMAGING DIAGNOSIS FOR COVID-19

Endra Yuliawan, NIM.: 20206052003 (2022) DEEP LEARNING CLASSIFICATION CHEST X-RAY IMAGING DIAGNOSIS FOR COVID-19. Masters thesis, UIN SUNAN KALIJAGA YOGYAKARTA.

Preview	Text (DEEP LEARNING CLASSIFICATION CHEST X-RAY IMAGING DIAGNOSIS FOR COVID-19) 20206052003_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf - Published Version Download (1MB) | Preview
	Text (DEEP LEARNING CLASSIFICATION CHEST X-RAY IMAGING DIAGNOSIS FOR COVID-19) 20206052003_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf - Published Version Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Virus Corona Disease 2019 (Covid-19) merupakan wabah penyakit yang menjangkiti hampir seluruh negara di dunia. Berbagai alat untuk mendeteksi virus tersebut upaya ini dilakukan untuk menekan persebaran yang lebih meluas, peralat medis yang digunakan salah salah satunya adalah reverse-transcription polymerse chain reaction (RT-PCR) untuk mengidentifikasi pasien lebih awal. Proses identifikasi ini cukup memakan waktu lama sehingga digunakan alat lain untuk mempersingkat waktu, Computerized Tomography (CT) menjadi pilihan secara komputasi untuk mendeteksi virus ini. Selain alat CT ini citra foto thoraks radiologi juga dapat digunakan untuk mendeteksi virus tersebut secara visual dari bentuk paru-paru pasien yang terinfeksi. Identifikasi foto thorak paru-paru memerlukan pemrosesan komputasi dengan Artificial Intelligence (AI) menjadi salah satu opsi yang ditawarkan dalam komputasi cerdas untuk membantu klinisi dalam mendiagnosa Covid-19. Metode Deep Learning atau pembelajaran mendalam untuk proses komputasi metode ini menggunakan gambar citra x-ray sebagai input. Proses pembelajaran ini membutuhkan model untuk mempelajari fitur atau bentuk dari citra input kemudian diproses melalui jaringan saraf tiruan yang disebut dengan Convolution Neural Network (CNN). Arsitektur yang digunakan adalah Visual Geometry Group (VGG 19) yang memiliki 16 jaringan konvolusi, 5 maxpooling layer, 3 koneksi layer penuh, dan 1 softmax untuk klasifikasi output. Dalam penelitian ini menggunakan 5 kelas Covid ringan, Covid parah, Normal, Pneumonia ringan dan Pneumonia parah, ini dilakukan untuk mengelompokan tingkat keparahan dari infeksi virus yang di derita oleh pasien yang sudah ditentukan oleh dokter spesialis radioliogi. Penelitian ekperiment ini untuk klasifikasi tingkat keparahan pasien dengan akurasi 5 kelas 98%, 3 kelas 99.99% dan 2 kelas 99.99% dengan hasil diagnosa dasar kelas penyakit sebagai output prediksi.

Share this knowledge with your friends :

Actions (login required)

View Item