Perbandingan Model Klasifikasi Transfer Learning Convolutional Neural Network Tumor Otak menggunakan Citra Magnetic Resonance Imaging

Abstract

Analisis tumor otak menjadi subjek penting dalam kedokteran, di mana deteksi yang cepat dan akurat dapat mengarah pada perawatan yang lebih baik. Tujuan penelitian ini adalah untuk membandingkan dan mengevaluasi kinerja delapan model arsitektur jaringan pre-built yang telah dibangun sebelumnya dalam mengklasifikasikan tumor MRI menggunakan metodologi pembelajaran transfer learning. Pada penelitian ini dataset yang digunakan merupakan citra Magnetic Resonance Imaging (MRI) sebanyak 3.264 yang terdiri dari meningioma, glioma, pituitary dan yang tidak menderita tumor otak. Pada penelitian ini, peneliti menggunakan arsitektur jaringan yang telah dilatih sebelumnya pada kumpulan data besar untuk tugas klasifikasi umum. Pendekatan pembelajaran transfer ini memungkinkan kita untuk memanfaatkan fitur tingkat tinggi yang telah dipelajari oleh model dalam dataset umum dan menyesuaikannya dengan dataset spesifik tumor otak yang lebih kecil. Hasil eksperimen menunjukkan bahwa pendekatan transfer learning ini berhasil mengklasifikasikan jenis tumor otak dengan akurasi yang memuaskan, bahkan dengan dataset yang terbatas. Teknik ini menjanjikan untuk meningkatkan diagnosis dini dan manajemen tumor otak dalam praktik klinis dengan memanfaatkan kekuatan model yang ada tanpa perlu melatih model dari awal.