Implementasi EfficientNet dan XGBoost untuk Identifikasi Diabetic Retinopathy dengan Menggunakan Citra Retina
Total View This Week0
Total View This Week0
Institusion
Universitas Multimedia Nusantara
Author
Laurensia Winoto, Yunika
Subject
T58.5-58.64 Information technology
Datestamp
2022-10-11 03:41:20
Abstract :
Berdasarkan World Health Organization (WHO), diabetes berada pada urutan ketujuh sebagai penyebab kematian pada tahun 2016. Salah satu komplikasi dari diabetes yang mempengaruhi pembuluh darah pada retina dan penglihatan adalah diabetic retinopathy. Diabetic retinopathy telah menjadi penyebab kebutaan global dan diagnosis menggunakan citra retina membutuhkan tenaga ahli yang berpengalaman untuk mendeteksi keberadaan gejala yang berukuran kecil dan terdapat sistem grading yang kompleks sehingga menjadikan proses diagnosis tersebut menjadi sulit dan memakan waktu yang lama. Apabila diabetic retinopathy dapat dideteksi sedini mungkin, terdapat pengobatan yang efektif untuk mencegah penyakit semakin menyebar dan hal tersebut menjadikan proses diagnosis menjadi sebuah proses yang vital. Pada penelitian ini, dilakukan pendekatan dengan menggunakan CNN untuk melakukan identifikasi terhadap diabetic retinopathy dengan menggunakan citra retina dan membuat sebuah preliminary system sebagai identifikasi awal dari diabetic retinopathy. Gaussian Filter akan digunakan untuk melakukan proses filtering dan resizing pada citra sebelum diproses lebih lanjut. Lalu, EfficientNet dan XGBoost secara berurutan akan digunakan untuk melakukan ekstraksi fitur dari citra retina dan klasifikasi fitur citra retina. Network yang dihasilkan pada penelitian ini melalui proses training dengan high-end GPU menggunakan dataset yang disediakan oleh Asia Pacific Tele-Ophthalmology Society (APTOS) dan dapat diakses secara publik. Dengan menggunakan 3662 citra retina yang sudah di-filter dan di-resize menggunakan Gaussian Filter, model klasifikasi yang dihasilkan memperoleh ROC AUC score sebesar 99% untuk klasifikasi kelas biner.
Berdasarkan World Health Organization (WHO), diabetes berada pada urutan ketujuh sebagai penyebab kematian pada tahun 2016. Salah satu komplikasi dari diabetes yang mempengaruhi pembuluh darah pada retina dan penglihatan adalah diabetic retinopathy. Diabetic retinopathy telah menjadi penyebab kebutaan global dan diagnosis menggunakan citra retina membutuhkan tenaga ahli yang berpengalaman untuk mendeteksi keberadaan gejala yang berukuran kecil dan terdapat sistem grading yang kompleks sehingga menjadikan proses diagnosis tersebut menjadi sulit dan memakan waktu yang lama. Apabila diabetic retinopathy dapat dideteksi sedini mungkin, terdapat pengobatan yang efektif untuk mencegah penyakit semakin menyebar dan hal tersebut menjadikan proses diagnosis menjadi sebuah proses yang vital. Pada penelitian ini, dilakukan pendekatan dengan menggunakan CNN untuk melakukan identifikasi terhadap diabetic retinopathy dengan menggunakan citra retina dan membuat sebuah preliminary system sebagai identifikasi awal dari diabetic retinopathy. Gaussian Filter akan digunakan untuk melakukan proses filtering dan resizing pada citra sebelum diproses lebih lanjut. Lalu, EfficientNet dan XGBoost secara berurutan akan digunakan untuk melakukan ekstraksi fitur dari citra retina dan klasifikasi fitur citra retina. Network yang dihasilkan pada penelitian ini melalui proses training dengan high-end GPU menggunakan dataset yang disediakan oleh Asia Pacific Tele-Ophthalmology Society (APTOS) dan dapat diakses secara publik. Dengan menggunakan 3662 citra retina yang sudah di-filter dan di-resize menggunakan Gaussian Filter, model klasifikasi yang dihasilkan memperoleh ROC AUC score sebesar 99% untuk klasifikasi kelas biner.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
