Pneumonia merupakan diagnosa yang paling sering ditemukan pada kasus penyakit paru pada anak. Diagnosis penyakit anak usia dini yang sistematis seringkali memakan waktu dan rentan terhadap kesalahan. Sebaliknya, ahli radiologi kesulitan mengidentifikasi pneumonia dengan rontgen dada, yang harus diperiksa secara manual. Tujuan dari penelitian ini adalah mengembangkan sistem klasifikasi otomatis citra pneumonia menggunakan deep learning untuk membantu diagnosis klinis. Penelitian ini menggunakan metode Convolutional Neural Network (CNN) untuk mengklasifikasikan paru-paru normal dan paru-paru pneumonia pada anak. Data yang digunakan adalah data sekunder yang diperoleh dari kohort retrospektif pasien anak usia satu sampai lima tahun dari Guangzhou Women and Children’s Medical Center, Guangzhou, China. Data yang telah disiapkan mengalami proses pre-processing yaitu melakukan augmentasi data. Penelitian ini menggunakan model CNN VGG16, VGG19, InceptionV3 dan ResNet50 untuk pengenalan dan klasifikasi citra pneumonia. Evaluasi sistem dilakukan menggunakan Confusion matrix dan kurva ROC dengan menghitung nilai Area Under Curve (AUC). Arsitektur VGG16 dengan 100 epoch memiliki nilai akurasi tertinggi, dengan akurasi 95,51%, sensitivitas 90,6%, spesifisitas 98,46%, dan AUC 94,53%. Temuan penelitian ini akan membantu para peneliti yang akan melakukan penelitian medis menggunakan teknologi CNN dan profesional medis dalam meningkatkan diagnosis pneumonia pada anak-anak.
Penulis: Dr. Rimuljo Hendradi, M.Si
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
https://aip.scitation.org/doi/abs/10.1063/5.0119905
Authors: R.B Reinaldy Subiakto, Rimuljo Hendradi, Indah Werdiningsih, Chi-Wen Lung
Title: Pneumonia Detection in Children Chest X-ray Images Using Convolutional Neural Networks
