Literature Review: Deep Learning Untuk Klasifikasi Penyakit Otak Dari Data Functional MRI
Keywords:
Deep Learning, Convolutional Neural Network, fMRI, Kecerdasan BuatanAbstract
Functional MRI (fMRI) merupakan salah satu teknik pencitraan otak yang sangat berguna dalam menganalisis aktivitas otak dan mendiagnosis gangguan neurologis. Namun, analisis fMRI secara tradisional membutuhkan waktu dan keahlian khusus, yang dapat memperlambat proses diagnosis. Untuk mengatasi hal ini, teknologi kecerdasan buatan, khususnya deep learning, mulai digunakan. Deep learning, yang merupakan cabang dari machine learning, memiliki kemampuan luar biasa dalam mengenali pola-pola kompleks dari data tak terstruktur, seperti gambar fMRI. Melalui tinjauan terhadap lima jurnal utama, ditemukan bahwa teknik deep learning, seperti Convolutional Neural Network (CNN) dan transfer learning, menunjukkan performa tinggi dalam mendeteksi dan mengklasifikasikan pola-pola pada citra fMRI.
References
untuk Deteksi Wajah dan Ekspresi menggunakan Algoritma Convolutional Neural Network (CNN) dengan OpenCV. AI dan SPK: Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan, 1(4), 1-15. ISSN 3025-0927.
Heriana, A., Kencana, D., Salomo, N., Fajari, R., & Saifudin, A. (2024). Penerapan Teknik Transfer Learning dalam Meningkatkan Kinerja Pengenalan Lesi Kanker pada Citra MRI. JRIIN: Jurnal Riset Informatika dan Inovasi, 2(4), 544-546. ISSN 3025-0919.
Irmaniar, I., Manik, J. T., & Haryanto, F. (2024). Algoritma convolutional neural network sebagai alat bantu analisa tingkat keparahan tumor otak. MIND Journal, 9(1), 1–12. https://doi.org/10.26760/mindjournal.v9i1.1-12
Mulyana, I., & Sekti, B. A. (2024). Implementasi deep learning dalam pendeteksian dini penyakit Alzheimer. Prosiding Seminar Nasional Sistem Informasi dan Teknologi (SISFOTEK) ke-8, 2024.
Perdananto, A., & Zailani, A. U. (2019). Penerapan Deep Learning pada Aplikasi Prediksi Penyakit Pneumonia Berbasis Convolutional Neural Networks. Journal of Informatics and Communications Technology (JICT), 1(2), 1-10. ISSN 2686-1089.
Andre, R. R., Wahyu, B. P., & Purbaningtyas, R. (2021). Klasifikasi tumor otak menggunakan convolutional neural network dengan arsitektur EfficientNet-B3. Jurnal Sistem Informasi dan Teknologi, 11(3), 55–59. https://jurnal.umj.ac.id/index.php/just-it/indexs
Sudirja, A. F., Satria, R. A., & Rosyani, P. (2023). Sistem Pakar Diagnosa Penyakit Demensia Menggunakan Metode Forward Chaining. JURIHUM: Jurnal Inovasi dan Humaniora, 1(1), 37-43. ISSN 9999-9999.
Syahputra, S. A. F., Azizah, N. M., Aiman, J., Nikmah, D. A., & Rosyani, P. (2024). Identifikasi dan Prediksi Umur Berdasarkan Citra Wajah Menggunakan Deep Learning Algoritma Convolutional Neural Network (CNN). Jurnal AI dan SPK: Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan, 2(1), 87-95. ISSN 3025-0927.
Wardhani, R., & Nafi’iyah, N. (2023). Identifikasi tumor otak citra MRI dengan convolutional neural network. Informatika: Jurnal Pengembangan IT (JPIT), 8(3), 213.
World Health Organization. (2024, October 23). WHO publishes preferred product characteristics for blood tests for Alzheimer disease. World Health Organization. https://www.who.int/news/item/23-10-2024-who-publishes-preferred-product-characteristics-for-blood-tests-for-alzheimer-disease
