Implementasi Metode Region Convolutional Neural Network Dalam Mendiagnosa Anomali Pneumonia Pada Foto Thorax
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Fauzy, Ahmad Rizky
Subject
004_Data Processing & Computer Science
Datestamp
2019-11-04 04:05:50
Abstract :
Di Indonesia, pneumonia merupakan urutan kedua penyebab kematian pada balita setelah diare serta menjadi penyebab penyakit umum terbanyak. Pneumonia merupakan penyakit dari paru-paru, Evaluasi foto thorax merupakan diagnosa penunjang dan merupakan standar diagnosa, foto thorax dapat menampakan daerah opak yang menggambarkan konsolidasi dan merupakan salah satu pemeriksaan radiologi yang paling umum untuk pencarian banyak kelainan pada paru-paru. Dalam prediksi Object Detection, metode Region Convolutional Neural Network (R-CNN). dapat diterapkan dalam melakukan prediksi anomaly objek pada citra thorax, dalam R-CNN terdapat empat tahap, yaitu Selective search untuk mencari region proposal,tahap CNN untuk melokalkan dan mensegmentasi objek, tahap SVM untuk Klasifikasi jenis kelas proposal dan Bounding-box regression untuk memperkirakan kordinat objek pada citra anomali Pneumonia. Berdasarkan hasil pengujian pada 170 data masukan dengan 160 data latih dan 10 data uji menggunakan metode mean average precision (mAP) terhadap hasil prediksi anomaly citra thorax. Dapat disimpulkan bahwa penggunaan metode R-CNN dapat diimplementasikan untuk menghasilkan prediksi objek pada citra thorax dengan mAP 42.84%
Di Indonesia, pneumonia merupakan urutan kedua penyebab kematian pada balita setelah diare serta menjadi penyebab penyakit umum terbanyak. Pneumonia merupakan penyakit dari paru-paru, Evaluasi foto thorax merupakan diagnosa penunjang dan merupakan standar diagnosa, foto thorax dapat menampakan daerah opak yang menggambarkan konsolidasi dan merupakan salah satu pemeriksaan radiologi yang paling umum untuk pencarian banyak kelainan pada paru-paru. Dalam prediksi Object Detection, metode Region Convolutional Neural Network (R-CNN). dapat diterapkan dalam melakukan prediksi anomaly objek pada citra thorax, dalam R-CNN terdapat empat tahap, yaitu Selective search untuk mencari region proposal,tahap CNN untuk melokalkan dan mensegmentasi objek, tahap SVM untuk Klasifikasi jenis kelas proposal dan Bounding-box regression untuk memperkirakan kordinat objek pada citra anomali Pneumonia. Berdasarkan hasil pengujian pada 170 data masukan dengan 160 data latih dan 10 data uji menggunakan metode mean average precision (mAP) terhadap hasil prediksi anomaly citra thorax. Dapat disimpulkan bahwa penggunaan metode R-CNN dapat diimplementasikan untuk menghasilkan prediksi objek pada citra thorax dengan mAP 42.84%
File :
1. UNIKOM_AHMAD_RIZKY_FAUZY_COVER.pdf
UNIKOM_AHMAD RIKZY FAUZY_LEMBAR PENGESAHAN.pdf
15. UNIKOM_AHMAD RIZKY FAUZY_BAB 5.pdf
10. UNIKOM_AHMAD RIZKY FAUZY_DAFTAR PUSTAKA.pdf
UNIKOM_AHMAD RIZKY FAUZY_JURNAL DALAM BAHASA INDONESIA.pdf
UNIKOM_AHMAD RIZKY FAUZY_JURNAL DALAM BAHASA INGGRIS.pdf
UNIKOM_AHMAD RIKZY FAUZY_BIODATA.pdf
UNIKOM_AHMAD RIKZY FAUZY_SURAT KETERANGAN PUBLIKASI.pdf
UNIKOM_AHMAD RIKZY FAUZY_SURAT PERNYATAAN ORISINALITAS.pdf
4. UNIKOM_AHMAD RIZKY FAUZY_KATA PENGANTAR.pdf
5. UNIKOM_AHMAD RIZKY FAUZY_DAFTARISI.pdf
11. UNIKOM_AHMAD RIZKY FAUZY_BAB 1.pdf
12. UNIKOM_AHMAD RIZKY FAUZY_BAB 2.pdf
13. UNIKOM_AHMAD RIZKY FAUZY_BAB 3.pdf
14. UNIKOM_AHMAD RIZKY FAUZY_BAB 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
