Deep Learning Untuk Mengidentifikasi Inti Sel Kanker Citra Histopatologi Kanker Kolorektal Dengan Arsitektur YOLO
Date
2024Author
Fadilah, Raden Rafly Ramadhan
Haryanto, Toto
Kusmardi
Metadata
Show full item recordAbstract
Kanker kolorektal merupakan kanker ketiga yang paling banyak diderita di dunia. Salah satu cara untuk mendiagnosis kanker kolorektal melalui tindakan biopsi dengan melakukan penilaian citra histopatologi. Histopatologi merupakan studi mikroskopis mengenai morfologi jaringan tubuh manusia. Pemeriksaan gambar histopatologi dengan metode konvensional memerlukan waktu yang cukup lama, sehingga diperlukan metode otomatis untuk membantu mempersingkat waktu. Salah satu metode yang dapat digunakan yaitu convolutional neural network (CNN). Arsitektur yang digunakan adalah you only look once (YOLO). Terdapat 51.023 ground-truth inti sel kanker kolorektal yang digunakan dalam penelitian ini. Model dibuat dengan teknik transfer learning dari pre- trained model YOLOv4 dan dilakukan hyperparameter tuning dengan teknik grid search untuk menemukan nilai parameter yang terbaik untuk model. Penelitian ini menghasilkan model dengan mean average precision (MAP) sebesar 78,44%. Penggunaan threshold yang tinggi efektif untuk melakukan identifikasi keberadaan inti sel kanker kolorektal.
Collections
- UT - Computer Science [2323]