Literatur Review: Klasifikasi Penyakit Tuberkulosis Dengan Deep Learning Dan Transfer Learning
Keywords:
Tuberkulosis, Deep Learning, Transfer Learning, CNNAbstract
Tuberkulosis (TB) merupakan salah satu penyakit menular yang paling mematikan di dunia, dengan prevalensi yang tinggi terutama di negara-negara berkembang. Deteksi dini tuberkulosis sangat penting untuk mencegah penyebarannya dan memastikan pasien menerima pengobatan tepat waktu. Meskipun diagnosis tuberkulosis biasanya ditegakkan melalui pemeriksaan laboratorium dan radiologi, metode ini memerlukan waktu dan sumber daya yang cukup besar. Dalam beberapa tahun terakhir, kemajuan di bidang kecerdasan buatan, Deep Learning, khususnya menawarkan potensi besar untuk mempercepat dan meningkatkan akurasi deteksi TB melalui pencitraan rontgen dada (CXR). Penelitian ini mengevaluasi penggunaan Transfer Learning dalam model Deep Learning, khususnya Convolutional Neural Network (CNN), untuk mendeteksi TB pada gambar CXR. Model CNN terlatih seperti VGG-16, Inception-V3, dan DenseNet-121 digunakan untuk melakukan ekstraksi fitur dan klasifikasi gambar. Teknik Transfer Learning ini memungkinkan model mengekstrak pengetahuan dari kumpulan data yang lebih besar dan menerapkannya pada kumpulan data yang dibatasi hingga 1 TB. Meningkatkan akurasi dan efisiensi proses penemuan. Selain itu, penelitian ini juga menggabungkan beberapa model melalui metode ensemble, seperti pemungutan suara mayoritas, rata-rata sederhana, rata-rata tertimbang, dan pengelompokan, untuk menggabungkan prediksi model yang berbeda untuk mendapatkan prediksi yang paling akurat dan stabil. Hasil penelitian menunjukkan bahwa kombinasi Transfer Learning khusus mode CXR dan teknik ensemble mampu memberikan akurasi deteksi yang sangat tinggi, dengan Area Under the Curve (AUC) mencapai 0,995. Teknik clustered ensemble menunjukkan performa terbaik dibandingkan metode ensemble lainnya, mengurangi variabilitas perkiraan dan meningkatkan kemampuan model untuk menggeneralisasi data baru. Kombinasi ini telah terbukti efektif dalam mengurangi overfitting, meningkatkan akurasi,dalam hal mengurangi bias dalam klasifikasi TB pada gambar CXR. Dengan hasil tersebut, diharapkan teknik ini dapat menjadi alat pendukung yang handal dalam diagnosis tuberkulosis, terutama di daerah dengan keterbatasan akses terhadap laboratorium dan tenaga medis yang berpengalaman.
References
Achmad, W. H., Saurina, N., Chamidah, N., & Rulaningtyas, R. (2023). Pemodelan Klasifikasi Tuberkulosis dengan Convolutional Neural Network. Prosiding Seminar Implementasi Teknologi Informasi Dan Komunikasi, 2(1), 9–15. https://doi.org/10.31284/p.semtik.2023-1.3989
Ahsan, M., Gomes, R., & Denton, A. (2019). Application of a convolutional neural network using transfer learning for tuberculosis detection. IEEE International Conference on Electro Information Technology, 2019-May(November), 427–433. https://doi.org/10.1109/EIT.2019.8833768
Aini, N., Ramadiani, R., & Hatta, H. R. (2017). Sistem Pakar Pendiagnosa Penyakit Tuberkulosis. Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer, 12(1), 56. https://doi.org/10.30872/jim.v12i1.224
Auza, H., Bagus, M., Putra, A., Saputra, M. A., Hartono, R., & Rosyani, P. (2024). Implementasi Deep Learning untuk Deteksi Wajah dan Ekspresi menggunakan Algoritma Convolutional Neural Network ( CNN ) dengan OpenCV. 1(4), 261–265.
Chang, R. I., Hsuan, Y., Jeng, C., & Lin, W. (2020). Two ‑ stage classification of tuberculosis culture diagnosis using convolutional neural network with transfer learning. 1727.
Chato, L., & Regentova, E. (2023). Survey of Transfer Learning Approaches in the Machine Learning of Digital Health Sensing Data. Journal of Personalized Medicine, 13(12). https://doi.org/10.3390/jpm13121703
Hansun, S., Argha, A., Alinejad-rokny, H., & Alizadehsani, R. (2024). A New Ensemble Transfer Learning Approach With Rejection Mechanism for Tuberculosis Disease Detection. IEEE Transactions on Radiation and Plasma Medical Sciences, PP, 1. https://doi.org/10.1109/TRPMS.2024.3474708
Hua, J., Zeng, L., Li, G., & Ju, Z. (2021). Learning for a Robot: Deep Reinforcement Learning, Imitation Learning, Transfer Learning. Sensors, 1–21.
Ibrahim, A. U., Guler, E., Guvenir, M., Suer, K., Serte, S., & Ozsoz, M. (2021). Automated detection of Mycobacterium tuberculosis using transfer learning. Journal of Infection in Developing Countries, 15(5), 678–686. https://doi.org/10.3855/JIDC.13532
Mehta, T., & Mehendale, N. (2021). Classification of X-ray images into COVID-19 , pneumonia , and TB using cGAN and fine-tuned deep transfer learning models. 803–813.
Rajaraman, S. (2020). Modality-Specific Deep Learning Model Ensembles Toward Improving TB Detection in Chest Radiographs. IEEE Access, 8, 27318–27326. https://doi.org/10.1109/ACCESS.2020.2971257
Rochmawanti, O., Utaminingrum, F., & Bachtiar, F. A. (2021). Analisis Performa Pre-Trained Model Convolutional Neural Network dalam Mendeteksi Penyakit Tuberkulosis. Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(4), 805–814. https://doi.org/10.25126/jtiik.2021844441
Syahputra, S. A. F., Azizah, N. M., Aiman, J., Nikmah, D. A., & Rosyani, P. (2024). CITRA WAJAH MENGGUNAKAN DEEP LEARNING ALGORITMA Convolutional Neural Network ( CNN ). 2(1), 87–95.
WHO. (2024). Tuberculosis. Www.Who.Int. https://www.who.int/news-room/fact-sheets/detail/tuberculosis
