<![CDATA[Menurut WHO, kanker payudara merupakan penyumbang angka morbiditas tertinggi pada tahun 2020 dengan jumlah 2,26 juta kasus. Dalam menentukan prognosis pasien diperlukan berbagai pemeriksaan, salah satunya adalah analisis histopatologi. Namun, analisis histopatologi adalah proses yang relatif melelahkan dan memakan waktu. Dengan berkembangnya metode deep learning, ilmu computer vision dapat diterapkan untuk pendeteksian kanker pada citra medis, yang diharapkan dapat membantu meningkatkan akurasi prognosis dan kecepatan identifikasi yang dilakukan oleh para ahli. Berdasarkan pengetahuan tersebut, penelitian ini bertujuan untuk menerapkan klasifikasi multi-kelas (normal, benign, in situ, invasif) dan prediksi citra jaringan digital normal atau telah diduga memiliki sel kanker menggunakan Convolutional Neural Network dengan multi-scale input dan multi-feature network (CNN-G). Dataset yang digunakan adalah 400 data citra jaringan payudara yang diklasifikasikan menjadi empat kelas dan diberi label oleh ahli patologi. Hasil akurasi yang diperoleh dari pelatihan adalah 0,5375~0,54 dan berhasil membuat peningkatan jika dibandingkan dengan model tunggal (CNN14, CNN42, CNN84). Metode evaluasi model lain yang dilakukan adalah confusion matrix, precision, recall, dan f-1 score. ]]>
Copyrights © 2022
