<![CDATA[Penelitian ini menyajikan alur kerja preprocessing untuk data mamografi dengan format DICOM dan digunakan untuk melatih model Multi-View Convolutional Neural Networks (MV-CNNs). MV-CNNs berpotensi meningkatkan akurasi klasifikasi BI-RADS mamografi untuk deteksi dini kanker payudara, namun memerlukan data yang diproses secara tepat. Preprocessing data meliputi seleksi pasangan citra dengan tampak Craniocaudal (CC) dan Mediolateral Oblique (MLO) dengan BI-RADS 1-5, penyesuaian label, penyeimbangan kelas (undersampling), konversi DICOM ke PNG terstandar (termasuk penanganan VOI LUT dan MONOCHROME1), ekstraksi Region of Interest (ROI) otomatis, serta resizing ke [512, 288]. Dataset disiapkan untuk evaluasi stratified k-fold cross-validation. Setelah itu akan digunakan untuk melatih model MV-CNNs dengan ConvNeXt sebagai basis model CNNnya. Model terbaik yang dilatih telah diuji menggunakan dataset primer yang didapatkan dari RSUD Buleleng. Hasil yang didapatkan melalui k-fold ensemble adalah accuracy : 50% ; F1-score : 0.476; & recall : 0.458.]]>
Copyrights © 2025
