Literature Review: Penggunaan Convolutional Neural Networks Untuk Klasifikasi Citra Tumor Otak

Abstract

Penelitian ini mengeksplorasi Penggunaan Convolutional Neural Networks (CNN) untuk Klasifikasi Citra Tumor Otak, yang merupakan langkah inovatif dalam meningkatkan akurasi diagnosis medis. Tumor otak, yang ditandai oleh pertumbuhan sel abnormal, memerlukan deteksi yang cepat dan tepat untuk intervensi yang efektif. Dalam konteks ini, kami menerapkan teknologi CNN untuk menganalisis citra MRI, dengan tujuan mengklasifikasikan gambar ke dalam kategori tumor otak dan non-tumor. Dataset yang digunakan dalam penelitian ini terdiri dari ribuan citra MRI yang mencakup berbagai jenis tumor, seperti glioma dan meningioma. Dengan memanfaatkan arsitektur CNN mutakhir seperti VGG-16, ResNet-50, dan EfficientNet, model kami dilatih untuk mengenali pola dan fitur penting dalam citra tersebut. Hasilnya menunjukkan bahwa model CNN mampu mencapai tingkat akurasi yang sangat tinggi mencapai 100% dalam klasifikasi citra, berkat kemampuannya dalam otomatisasi ekstraksi fitur tanpa memerlukan proses manual yang rumit. Temuan ini tidak hanya menyoroti potensi CNN dalam meningkatkan akurasi diagnosis tetapi juga menunjukkan kemampuannya untuk mengurangi risiko kesalahan manusia dalam interpretasi citra medis. Dengan demikian, penelitian ini membuka jalan bagi penerapan lebih luas teknologi deep learning dalam kesehatan, khususnya dalam klasifikasi citra tumor otak, yang dapat mempercepat proses diagnosis dan meningkatkan kualitas perawatan pasien secara keseluruhan.