Deteksi Tumor Otak Dengan CNN Resnet-152

Authors

  • Aji Digdoyo
  • Tri Surawan
  • Adhitio Satyo Bayangkari Karno Fakultas Teknologi Informasi; Universitas Gunadarma
  • Dyah Ruri Irawati
  • Yasin Effendi

DOI:

https://doi.org/10.31479/jtek.v9i2.128

Keywords:

Convolution Neral Network, CT Scan, Deep Learning, Inception Resnet, Tumor Brain

Abstract

Penyakit tumor di Indonesia menduduki tingkat kematian terbesar ke-5 setelah diabetes, stroke, ginjal dan darah tinggi. Kurangnya penanganan dini, jumlah paramedis dan peralatan yang minim adalah penyebab utama tingginya tingkat kematian. Artificial Intelligence (AI) memiliki potensi tinggi untuk berkontribusi membantu pasien dan para medis mendiagnosa tumor secara langsung, cepat dan murah. Salah satu metode AI dipergunakan dalam penelitian ini adalah CNN dengan arsitektur ResNet-152. Dengan melakukan training dan validasi sejumlah 2.870 image menghasilkan nilai akurasi masing-masing 99% dan 81%. Untuk lebih memastikan hasil yang diinginkan, maka model yang diperoleh dari training dipergunakan kembali untuk pengujian, dengan hasil nilai akurasi sebesar 96% dan akurasi untuk tiap kelas adalah glioma (97%), meningioma (95%), no_tumor (98%) dan pituaty (96%).

Downloads

Download data is not yet available.

References

P. Kleihues, J. B-Sloan, and H. Ohgaki, Tumours of the nervous system, Lyon: International Agency for Research on Cancer, 2014, p. 511

D. Yulianti, E. Syahruddin, A. Hudoyo, and A. Icksan, "Gejala Klinis Neurologis dan Gambaran CT Scan Otak Pasien Kanker Paru Karsinoma Bukan Sel Kecil Metastasis ke Otak di Rumah Sakit Persahabatan," Indonesian Journal of Cancer, vol. 4, no. 1, 2010.

Anonym, "General Information About Adult Brain Tumors". NCI. 14 April 2014. Archived from the original on 5 July 2014. Retrieved 8 June 2014.

A. Pulvirenti, et al., Quantitative Computed Tomography Image Analysis to Predict Pancreatic Neuroendocrine Tumor Grade. DOI: 10.1200/CCI.20.00121 JCO Clinical Cancer Informatics no. 5, pp. 679-694, 2021.

K. M. Brindle, J. Richard, Mair, and A. J. Wright, Brain Tumor Imaging. DOI: 10.1200/JCO.2017.72.7636 Journal of Clinical Oncology 35, no. 21 (July 20, 2017) 2432-2438.

Anonym, "Arxiv," Cornell University, [Online]. Available: https://arxiv.org/. [Accessed December 2021].

A. S. B. Karno, W. Hastomo, Y. Efendi, D. R. Irawati, Future Prediction Of Covid-19 In Indonesia Using Deep Learning. Seminar Nasional Teknologi Informasi dan Komunikasi (SENATIK)-2020. E-ISSN:2685-5615. 2020.

A. S. B. Karno, W. Hastomo, Arsitektur Alexnet Convolution Neural Network (CNN) Untuk Mendeteksi Covid-19 Image Chest-Xray. Proceeding KONIK (Konferensi Nasional Ilmu Komputer) 5, pp. 482-485, 2021.

A. S. B. Karno, A. D. Wardhana, and I. S. K. E. Sally, Deteksi Cocid-19 Image Chest XRay dengan Convolution Neural Network Efficient NET-B7. Prosiding SeNTIK 5, pp. 23-28, 2021.

H. Kaiming, and J. Sun, Convolutional neural networks at constrained time cost. Computer Science, IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2015.

Downloads

Published

2022-05-30

Issue

Vol. 9 No. 2 (2022): Jurnal Teknologi

Section

Articles

License

The rights of publication and use of intellectual works in this journal are the full property of the publisher, while the moral rights belong to the author.
The formal legal aspects of access and utilization of each Journal of Technology  articles are subjected to the Creative Commons Attribution-Share Alike (CC BY-SA) license, which means that journal content can be used freely and fairly (fair use) in a similar form even for commercial purposes.
To avoid malpractice and plagiarism in publication of article publishing, the author is asked to fill out and sign a copyright statement on the Declaration of Authenticity of the Manuscript and Copyright Transfer.