Tuberkulosis (TB) merupakan jenis penyakit infeksi pernafasan yang disebabkan oleh bakteri Mycobacterium Tuberculosis. Meskipun penyakit ini bisa disembuhkan, kematian yang diakibatkannya mencapai 13,57% pada tahun 2018, diantara penyebabnya adalah kurangnya pelaporan kasus yang terdeteksi dan kesalahan dalam mendiagnosa jenis penyakit ini (underdiagnosis). Oleh karena itu, peningkatan aksesibilitas diagnosis dan pengobatannya sangat diperlukan.
Dalam penelitian ini dikembangkan sebuah model berbasis Convolutional Neural Network (CNN) untuk mendeteksi bakteri Tuberkulosis. Model dalam penelitian ini terdiri atas dua bagian utama yaitu: blok ekstraksi fitur dan blok prediksi. Blok ekstraksi fitur berguna untuk memberikan informasi tentang bakteri Tuberkulosis yang terdapat pada gambar. Lapisan konvolusi yang terdapat pada blok ekstraksi fitur dikembangkan dari model LICODS dengan penyesuaian beberapa lapisan konvolusi. Setelah melalui blok ekstraksi fitur, selanjutnya adalah blok prediksi yang berguna untuk memberikan keputusan berdasarkan informasi yang diterima dari blok ekstraksi fitur. Model memprediksi informasi dari blok ekstraksi fitur ke dalam kelas bakteri TB dan debris.
Data dalam penelitian ini berupa gambar dari pemeriksaan smear rutin oleh tenaga ahli di fasilitas kesehatan. Gambar tersebut merupakan hasil pengamatan mikroskop terhadap preparat apusan dahak pasien dengan perbesaran 1000 kali dengan jumlah keseluruhan adalah 350 gambar. Masing-masing gambar kemudian ditandai bagian yang merupakan bakteri TB dan bagian yang merupakan debris dibawah pengawasan tenaga ahli yang berpengalaman.
Hasil penelitian dengan menggunakan model TBNet dibandingkan dengan model jaringan yang lain yaitu: DSOD, PeleeNet, MobileNet SSD dan SSD menunjukkan bahwa TBNet lebih unggul secara komparatif. Berdasarkan kriteria Mean Average Precission (mAP) model TBNet unggul 3% lebih presisi dibandingkan model DSOD yang berada di urutan kedua dan lebih dari 10% jika dibandingkan dengan model lainnya yang berada di urutan ketiga dan selanjutnya. Berdasarkan hasil ini TBNet dapat digunakan dalam identifikasi bakteri Tuberkulosis meskipun dengan jumlah data yang sedikit, selain itu juga mendukung pendekatan computer vision berbasis CNN secara efisien.
Nama: Winarno, S.Si., M.T.
Link: TBNet: learning from scratch and limited training data, a CNN based tuberculosis bacilli detection
Baca Juga: Atasi Kelainan Akibat Trauma Kepala dengan Bahan yang Mudah Ditemukan
