Ensemble convolutional neural networks untuk deteksi tumor otak berbasis citra magnetic resonance imaging

Santoso, Irwan Budi ORCID: https://orcid.org/0000-0001-5586-9035, Utama, Shoffin Nahwa ORCID: https://orcid.org/0000-0001-9843-199X and Supriyono, Supriyono (2023) Ensemble convolutional neural networks untuk deteksi tumor otak berbasis citra magnetic resonance imaging. Research Report. Universitas Islam Negeri Maulana Malik Ibrahim Malang, Malang. (Unpublished)

Text 16370.pdf Restricted to Repository staff only Download (3MB)

Abstract

Tumor otak adalah jaringan yang tumbuh akibat sel-sel tidak normal pada otak dan di sekitarnya. Konstruksi otak yang kompleks pada manusia merupakan tantangan tersendiri dalam mendeteksi tumor otak. Adanya sistem atau metode yang mendukung dalam deteksi tumor dengan performa tinggi menjadi salah satu solusi untuk membantu diagnosis. Pada penelitian ini, telah diusulkan beberapa model CNN dengan ukuran kernel konvolusi yang berbeda, yang meliputi lwCNN1,lwCNN2,lwCNN3, dan lwCNN4. Model CNN tersebut sebagai model base-learner dengan lwCNN1 memiliki ukuran kernel konvolusi 3x3, lwCNN2 memiliki ukuran kernel konvolusi 5x5, lwCNN3 memiliki ukuran kernel konvolusi 7x7, dan lwCNN4 memiliki ukuran kernel konvolusi 9x9. Untuk meningkatkan akurasi deteksi, selain diusulkan model CNN dengan beberapa kernel konvolusi, juga diusulkan framework ensemble model base-learner menggunakan Majority Voting (MV) yaitu MV terhadap tiga model lwCNN dengan input sama dan MV terhadap model lwCNN sama dengan input berbeda. Evaluasi terhadap metode usulan tersebut dilakukan dengan dua dataset pengujian (testing) 1 dan 2. Hasil uji coba model CNN usulan menunjukkan pada dataset pengujian 1, model lwCNN2 menghasilkan akurasi deteksi tumor terbaik sebesar 97.72%, sedangkan pada dataset pengujian 2 model lwCNN1 menghasilkan akurasi deteksi tumor terbaik sebesar 99.77%. Untuk framework ensemble yang diusulkan, pada dataset pengujia 1, MV terhadap model lwCNN1,lwCNN2, lwCNN3 pada input shape 64x64x3 menghasilkan akurasi terbaik sebesar 97,72%. Sedangkan pada dataset pengujian 2, MV terhadap model lwCNN1,lwCNN2, lwCNN3 pada input shape 128x128x3 menghasilkan akurasi terbaik sebesar 99,77% dan MV terhadap model yang sama lwCNN1dengan input shape berbeda menghasilkan akurasi terbaik sebesar 99,85%. Dari hasil tersebut, metode yang diusulkan dalam penelitian ini memiliki akurasi lebih baik daripada metode yang lain, sehingga mempunyai potensi besar untuk membantu radiologist/neorologist dalam mendeteksi tumor.

Item Type:	Research (Research Report)
Keywords:	tumor otak; CNN; base-learner; framework ensemble; majority voting
Subjects:	08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing > 080199 Artificial Intelligence and Image Processing not elsewhere classified
Divisions:	Faculty of Technology > Department of Informatics Engineering
Depositing User:	irwan budi santoso
Date Deposited:	15 Nov 2023 09:36

Downloads

Origin of downloads

Actions (login required)

View Item