Aplikasi klasifikasi tumor otak berbasis Citra MRI menggunakan Majority Voting Convolutional Neural Networks (MV-CNNs) (sertifikat hak cipta)

Universitas Islam Negeri Maulana Malik Ibrahim Malang (2024) Aplikasi klasifikasi tumor otak berbasis Citra MRI menggunakan Majority Voting Convolutional Neural Networks (MV-CNNs) (sertifikat hak cipta). 000764739.

Text 20436.pdf Restricted to Repository staff only Download (2MB)

Abstract

Klasifikasi tumor otak dengan akurasi tinggi sangat diperlukan untuk tindakan pemeriksaan lanjutan. Aplikasi untuk klasifikasi jenis tumor yang dikembangakan dengan akurasi tinggi merupakan solusi untuk membantu pemeriksaan tersebut. Pada aplikasi ini, telah diusulkan majority voting (MV) terhadap hasil beberapa model convolutional neural network (CNN) untuk klasifikasi tumor otak berbasis citra citra magnetic resonance imaging (MRI) otak. Model CNN tersebut meliputi MobileNet-V2, Inception-V3, Xception, DensNet-201, dan ResNet-50, yang masing-masing telah disesuaikan pada layer klasifikasi. Aplikasi usulan tersebut selanjutnya disebut MV-CNNs. Langkah awal aplikasi tersebut adalah transfer learning setiap model CNN untuk membantu proses pembelajaran. Langkah berikutnya MV hasil klasifikasi model CNN pada epoch training berbeda. Evaluasi terhadap Aplikasi tersebut dengan dataset pengujian, MV-CNNs menghasilkan akurasi klasifikasi jenis tumor otak sebesar 99,31%. Dari hasil tersebut, aplikasi dengan metode yang dikembangkan mempunyai potensi untuk membantu ahli neurologi dalam mengklasifikasikan jenis tumor.

Item Type:	Hak Cipta
Keywords:	Citra; Magnetic Resonance Imaging; Majority Voting; Convolutional Neural Network; Transfer Learning
Subjects:	08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing > 080104 Computer Vision 08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing > 080199 Artificial Intelligence and Image Processing not elsewhere classified 08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing
Divisions:	Faculty of Technology > Department of Informatics Engineering
Depositing User:	irwan budi santoso
Date Deposited:	01 Oct 2024 13:19

Downloads

Origin of downloads

Actions (login required)

View Item