Dilatasi Inkremental Menggunakan Metode CNN Untuk Klasifikasi Tumor Otak Dengan Arsitektur VCG16 dan Resnet50

Abstract

Klasifikasi tumor otak adalah tugas yang menantang di bidang pemrosesan citra medis. Teknologi kini telah memungkinkan dokter medis untuk memiliki bantuan tambahan untuk diagnosis. Penelitian ini bertujuan untuk mengklasifikasikan tumor otak menggunakan gambar MRI, yang dikumpulkan dari pasien anonim dan simulator otak buatan. Baru-baru ini, teknik berbantuan komputer seperti menggunakan deep learning sebagai ekstraksi fitur, dan teknik klasifikasi digunakan secara intensif untuk mendiagnosis otak pasien untuk memeriksa apakah ada tumor. Dalam penelitian ini diusulkan model klasifikasi tumor otak menggunakan Convolutional Neural Network yang dapat menklasifikasikan tumor otak secara akurat. Data yang digunakan berupa data MRI tumor otak sebanyak 253 data tumor otak. Dataset yang dugankan dibagi menjadi data pelatihan dan pengujian. Penelitian menghasilkan model klasifikasi tumor otak dengan menggunakan arsitektur VCG16 dan Resnet50. Model menghasilkan nilai rata-rata akurasi sebesar 80%, Recall 85% dan Presisi 70%. Penelitian menunjukkan kinerja Resnet50 menunjukkan kemampuan model untuk mengklasifikasikan tumor otak secara akurat.