Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Klasifikasi Kanker Payudara Citra Mammografi Menggunakan Deep Convolutional Neural Network
Maulana Kahfi (2018) | Skripsi | Teknik Informatika , Teknik Komputer
Bagikan
Ringkasan
Kanker payudara adalah kanker yang sangat berbahaya karena menjadi salah satu penyebab utama kematian pada wanita di seluruh dunia dengan hampir 1,7 juta kasus baru yang didiagnosis pada tahun 2012, menyumbang 25% dari semua kasus kanker baru pada wanita. Semakin dini kanker payudara dapat dideteksi, maka semakin cepat juga bisa dilakukan perawatan terhadap penderita kanker payudara. Namun menemukan gejala kanker payudara secara dini butuh sebuah diagnosis yang terpercaya, akurat, serta cepat. Neural network sangat berguna untuk mengenali dan mengklasifikasi objek pada sebuah citra secara otomatis tanpa membutuhkan ahli radiologi dalam proses penginisiasian region of interest (ROI). Neural network adalah salah satu metoda klasifikasi nonlinier yang terinspirasi oleh cara neuron biologis memproses informasi. Penggunaan neural network untuk mengklasifikasi kanker payudara citra mammografi secara otomatis sangatlah sulit dan kompleks sehingga memerplukan neural network yang lebih advance karena perbedaan bentuk, ukuran, dan lokasi kanker yang berbeda pada setiap mammogram. DCNN adalah salah satu jenis neural network terbaru yang dapat digunakan untuk mendeteksi, mengenali, memisahkan, dan mengklasifikasi objek pada sebuah citra dengan komponen tambahannya berupa kernel, convolution layer dan pooling selain hidden layer dan neuron. Penelitian pada tugas akhir ini berkaitan dengan mengklasifikasikan citra mammogram terhadap tiga jenis diagnosa yaitu normal, tumor jinak, dan kanker. Dari hasil eksperimen, didapat model DCNN terbaik dengan konfigurasi 3 hidden layer, 8 kernel pada convolution layer 1 dan 32 kernel pada convolution layer 2, serta susunan jumlah neuron yang sama rata masing-masing layer mendapatkan akurasi yang terbaik yaitu 91.70%. Kata Kunci: Kanker payudara, klasifikasi, deep convolutional neural network, activation function, citra mammografi.
Ringkasan Alternatif
Breast cancer is a high risk cancer because it is one of the leading causes of death of women worldwide with nearly 1.7 million new cases being diagnosed in 2012, contributing for 25% of all new cancer case. The earlier breast cancer is detected, the faster it can be treated. But finding a breast cancer symptom early requires a reliable, accurate, and fast diagnosis. Neural network is very useful to recognize and classify objects in an image automatically without radiologists in the process of initiating the region of interest (ROI). Neural network is a non-linear classification method that is inspired by the way biological neurons process information. The use of neural networks to classify breast cancer mammogprahic images automatically is very difficult and complex, therefore it requires a more advanced neural network due to differences in shape, size, and location of different cancers in each mammogram. DCNN is one of the latest type of neural network that can be used to to detect, recognize, seperate, and classify objects in an image with additional components such as kernel, convolution layer, dan pooling in addition to hidden layer and neuron. The research in this project is classifying mammographic images against three types diagnosis of normal, benign tumor, and cancer. The experimental result shows the best DCNN model with a configuration of 3 hidden layers, 8 kernels on the first convolution layer and 32 kernels on the second convolution layer, and the same number of neuron each layer has the best accuracy of 91.70%. Keywords: Breast cancer, classification, deep convolutional neural network, activation function, mammographic image.