Pengembangan Model Deteksi Glaukoma dengan Mengoptimalkan Convolutional Neural Network Menggunakan Weighted Loss

Nugraha, Devin Jaya and Dr. Eng. Novanto Yudistira,, S.Kom., M.Sc. and Ir. Agus Wahyu Widodo,, S.T., M.Cs. (2024) Pengembangan Model Deteksi Glaukoma dengan Mengoptimalkan Convolutional Neural Network Menggunakan Weighted Loss. Sarjana thesis, Universitas Brawijaya.

Abstract

Kemajuan terkini dalam bidang deep learning telah diterapkan di berbagai bidang, termasuk bidang medis. Salah satu kelainan medis utama di dalam ranah oftalmologi adalah glaukoma. Glaukoma adalah kondisi kelainan medis, yang tidak dapat dipulihkan, yang terjadi karena kerusakan saraf optik mata yang berfungsi membawa informasi sensorik terkait penglihatan. Walaupun beberapa metode deep learning sudah dikembangkan untuk mendeteksi glaukoma, topik deteksi glaukoma ini masih menjadi tantangan dengan ketersediaan dataset citra fundus glaukoma yang tidak seimbang. Penelitian ini mengusulkan penerapan weighted loss pada Convolutional Neural Network (CNN) untuk mendeteksi glaukoma di dataset citra fundus yang tidak seimbang. Dataset yang digunakan pada penelitian ini adalah SMDG-19 yang terdiri dari 19 dataset publik yang sudah terstandarisasi. Penelitian ini menguji SMDG-19 beserta 8 dataset di dalamnya dan membandingkan performa deteksi glaukoma tanpa menggunakan weighted loss dan dengan menggunakan weighted loss. Setelah membandingkan dengan beberapa arsitektur model CNN, penelitian ini mengusulkan model CNN yang mendapatkan rata-rata peningkatan recall sebesar 44.75% dan rata-rata peningkatan f1 score sebesar 7.25% di dalam deteksi glaukoma. Dengan peningkatan recall dan f1 score yang memuaskan, performa precision dikorbankan dengan rata-rata penurunan sebanyak -6.53% di dalam deteksi glaukoma. Model CNN pada penelitian ini juga berhasil mendapatkan rata-rata peningkatan AUC sebesar 3.21%, tetapi dengan rata-rata penurunan akurasi sebesar −4.10%. Selain itu, penelitian ini menggunakan Gradient Class Activation Map (Grad-CAM) yang dapat menginterpretasikan bagian citra fundus yang mendapat perhatian model.

English Abstract

Recent advances in deep learning have been applied in various fields, including the medical field. One of the major medical disorders in ophthalmology is glaucoma. Glaucoma is a medical condition, which is irreversible, that occurs due to damage to the eye's optic nerve that carries sensory information related to vision. Although several deep learning methods have been developed to detect glaucoma, the topic of glaucoma detection is still a challenge with the unbalanced availability of glaucoma fundus image datasets. This research proposes the application of weighted loss in Convolutional Neural Network (CNN) to detect glaucoma in unbalanced fundus image dataset. The dataset used in this research is SMDG-19 which consists of 19 standardized public datasets. This study tested SMDG-19 and its 8 datasets and compared the performance of glaucoma detection without using weighted loss and by using weighted loss. After comparing several CNN model architectures, this research proposes a CNN model that achieves an average recall improvement of 44.75% and an average f1 score improvement of 7.25% in glaucoma detection. With satisfactory recall and f1 score improvement, precision performance is sacrificed with an average decrease of −6.53% in glaucoma detection. The CNN model in this study also managed to get an average increase in AUC of 3.21%, but with an average decrease in accuracy of −4.10%. In addition, this study uses the Gradient Class Activation Map (Grad-CAM) which can interpret the part of the fundus image that gets the attention of the model.

Item Type:	Thesis (Sarjana)
Identification Number:	0524150060
Uncontrolled Keywords:	Pengolahan citra medis, glaukoma, kebutaan, deep learning, convolutional neural network, weighted loss, explainable AI-Medical image processing, glaucoma, blindness, deep learning, convolutional neural network, weighted loss, explainable AI.
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	soegeng sugeng
Date Deposited:	20 Feb 2024 02:14
Last Modified:	20 Feb 2024 02:14
URI:	http://repository.ub.ac.id/id/eprint/215495

Text (DALAM MASA EMBARGO) Devin Jaya Nugraha.pdf Restricted to Registered users only Download (6MB)

Actions (login required)

View Item