Literature Review: Klasifikasi Penyakit Alzheimer Menggunakan Deep Learning dan Citra MRI
Keywords:
Penyakit Alzheimer, Deep Learning, Convolutional Neural Networks, Magnetic Resonance Imaging, Klasifikasi, DiagnostikAbstract
Salah satu penyakit utama yang mempengaruhi sejumlah besar orang di seluruh dunia adalah penyakit Alzheimer. (AD). Dengan kemajuan teknologi medis, khususnya Magnetic Resonance Imaging (MRI), analisis otak kini dapat dilakukan dengan lebih efektif. Tujuan penelitian ini adalah untuk penggunaan teknik Deep Learning, khususnya Convolutional Neural Networks (CNN), dalam klasifikasi MRI untuk mendeteksi AD. Dengan mengukur kompleksitas citra, diharapkan metode ini dapat meningkatkan akurasi diagnosis. Melalui proses Tinjauan Pustaka Sistematis (SLR), studi ini membandingkan kinerja berbagai model DNN dan mengidentifikasi kekurangan serta arah penelitian masa depan. Hasilnya menunjukkan bahwa model hibrida yang menggabungkan LeNet dan AlexNet mencapai akurasi 93,58%, memberikan dasar yang kuat untuk mengembangkan alat diagnostik yang lebih efektif dalam mendeteksi penyakit Alzheimer dengan akurat.
References
Agus Wahyu Jatmiko, Chendra Arum Wandani, Linda Wahyu Istigfarisky. Jurnal Biosains Pascasarjana Vol.23(2021). Metode Forward Chaining Berbasis Web. Jurnal Teknik Informasi Dan Komputer (Tekinkom), 4(2), 220.
Nur Wakhidah, Prind Triajeng Pungkasanti, Agusta Praba Ristadi Pinem, (2023). Deteksi Objek menggunakan Deep Learning untuk Mengetahui Tingkat Kerumunan Mahasiswa. Jurnal Edukasi & Penelitian Informatika.
Ahmed, S., Choi, K.Y., Lee, J.J., Kim, B.C., Kwon, G.-R., Lee, K.H., Jung, H.Y., 2019. Ensembles of patch-based classifiers for diagnosis of Alzheimer diseases. IEEE Access 7, 73373–73383.
Ahmed, I.A., Senan, E.M., Shatnawi, H.S.A., Alkhraisha, Z.M., Al-Azzam, M.M.A., 2023. Multi-techniques for analyzing X-ray images for early detection and differentiation of pneumonia and tuberculosis based on hybrid features. Diagnostics 13 (4), 814.
Ajagbe, S.A., Amuda, K.A., Oladipupo, M.A., Oluwaseyi, F.A., Okesola, K.I., 2021. Multiclassification of Alzheimer disease on magnetic resonance images (MRI) using deep convolutional neural network (DCNN) approaches. Int. J. Adv. Comput. Res. 11 (53), 51.
Alnaim, A.K., Alwakeel, A.M., 2023. Machine-learning-based IoT–edge computing healthcare solutions. Electronics 12 (4), 1027.
Alorf, A., Khan, M.U.G., 2022. Multi-label classification of Alzheimer’s disease stages from resting-state fMRI-based correlation connectivity data and Deep Learning. Comput. Biol. Med. 151, 106240.
Alzheimer’s Association. 2018 Alzheimer’s disease facts and figures. Alzheimer’s Dement. 2018, 14, 367–429. [CrossRef]
Korolev, I.O. Alzheimer’s disease: A clinical and basic science review. Med. Stud. Res. J. 2014, 4, 24–33.
Donev, R.; Kolev, M.; Millet, B.; Thome, J. Neuronal death in Alzheimer’s disease and therapeutic opportunities. J. Cell. Mol. Med. 2009, 13, 4329–4348. [CrossRef] [PubMed]
Moon, S.W.; Lee, B.; Choi, Y.C. Changes in the hippocampal volume and shape in early-onset mild cognitive impairment. Psychiatry Investig. 2018, 15, 531. [CrossRef]
