Identifikasi Stroke Menggunakan Metode Transfer learning Arsitektur Convolutional Neural Network Pada Citra CT-scan Kepala

Waliidaturrahmaniah Waliidaturrahmaniah, Hasanuddin Hasanuddin, Dwiria Wahyuni

Abstract


Stroke menjadi penyebab terbesar atas kecatatan dan kematian pada masyarakat Indonesia. Tingkat penderita stroke yang tertinggi di wilayah Asia Tenggara adalah Indonesia. Hal tersebut yang menjadi perhatian pada penelitian ini untuk dapat mengidentifikasi citra kepala hasil dari proses pencitraan medis yaitu CT-scan. Salah satu pemanfaatan teknologi IT dalam bidang medis adalah menggantikan fungsi kerja manusia dalam merepresentasikan hasil citra CT-scan dengan kinerja mesin. Teknologi tersebut memanfaatkan arsitektur Convolutional Neural Network (CNN) metode transfer learning. Pada penelitian ini, dataset yang akan digunakan adalah citra CT-scan kepala dari website www.kaggle.com. Beberapa variasi arsitektur yang digunakan adalah arsitektur AlexNet, VGG16, dan GoogLeNet serta variasi optimizer Stochastic Gradient Descent (SGD), AdaGrad, RMSProp, dan Adam. Hasil yang diperoleh adalah Akurasi AlexNet dengan menggunakan optimizer SGD adalah 75%, AdaGrad sebesar 93%, RMSProp menghasilkan 90%, dan Adam sebesar 85%. Hasil akurasi pada arsitektur VGG16 dengan menggunakan optimizer SGD adalah 73%, AdaGrad sebesar 88%, RMSProp menghasilkan 68%, dan Adam sebesar 91. Arsitektur GoogLeNet menghasilkan nilai akurasi dengan menggunakan optimizer SGD sebesar 65%, AdaGrad, RMSProp dan Adam masing masing menghasilkan akurasi sebesar 65%, 84%, 93% dan 85%.Arsitektur GoogLeNet dan AlexNet dengan optimizer yang berbeda yaitu AdaGrad dan RMSProp berhasil memperoleh akurasi tertinggi diantara arsitektur lainnya dengan akurasi sebesar 93%. Perbedaannya hanya waktu yang dibutuhkan kedua arsitektur ini untuk melakukan proses pelatihan yaitu 4 menit 15 detik untuk arsitektur AlexNet optimizer AdaGrad, dan 12 menit 26 detik untuk arsitektur GoogLeNet optimizer RMSProp.

 

Kata Kunci: Convolutional_Neural_Network_(CNN), CT-scan, Optimizer, Stroke, Transfer_learning.


Full Text:

PDF

References


Mushtaq, M.F., Shahroz, M., Aseere, A.M., Shah, H., Majeed, R., Shehzad, D., and Samad, A., 2021, BHCNet: Neural Network-Based Brain Hemorrhage Classification Using Head CT Scan, IEEE Access, 9, 113901–113916.

Venketasubramanian, N., Yudiarto, F.L., and Tugasworo, D., 2022, Stroke Burden and Stroke Services in Indonesia, Cerebrovasc. Dis. Extra, 12 (1), 53–57.

Sakinah, N., Badriyah, T., and Syarif, I., 2020, Analisis Kinerja Algoritma Mesin Pembelajaran untuk Klarifikasi Penyakit Stroke Menggunakan Citra CT Scan, J. Teknol. Inf. dan Ilmu Komput., 7 (4), 833.

Setiawan, W., 2019, Perbandingan Arsitektur Convolutional Neural Network Untuk Klasifikasi Fundus, J. Simantec, 7 (2), 48–53.

Lewicki, T., Kumar, M., Hong, R., and Wu, W., 2020, Intracranial Hemorrhage Detection in CT Scans using Deep Learning, In: IEEE 6th International Conference on Big Data Computing Service and Applications, Big Data Service 2020. IEEE, 169–172.

Gautam, A. and Raman, B., 2021, Towards effective classification of brain hemorrhagic and ischemic stroke using CNN, Biomed. Signal Process. Control, 63 (August 2020), 102178.

Vani, S. and Rao, T.V.M., 2019, An Experimental Approach Towards the Performance Assessment of Various Optimizers on Convolutional Neural Network, Proc. Int. Conf. Trends Electron. Informatics, ICOEI 2019, (Icoei), 331–336.

Poojary, R. and Pai, A., 2019, Comparative Study of Model Optimization Techniques in Fine-Tuned CNN Models, In: nternational Conference on Electrical and Computing Technologies and Applications, ICECTA 2019. ICECTA, 22–25.

Sajja, T.K., Devarapalli, R.M., and Kalluri, H.K., 2019, Lung cancer detection based on CT scan images by using deep transfer learning, Trait. du Signal, 36 (4), 339–344.




DOI: https://doi.org/10.26418/pf.v11i3.65242

Refbacks

  • There are currently no refbacks.


Diterbitkan oleh:                                                                    Berkerjsama dengan:                                    

                                                                    

Jurusan Fisika FMIPA UNTAN                   Perkumpulan Akademisi dan Saintis Indonesia, Kalimantan Barat

Alamat Redaksi:
Jalan Prof. Dr. H. Hadari Nawawi
Komp. FMIPA UNTAN Pontianak, Kalbar, 78124
Email: prismafisika@physics.untan.ac.id

 

  Flag Counter