Perpustakaan Digital ITB

Imbalance dataset pada chest X-ray menimbulkan tantangan yang signifikan untuk membangun model pradiagnosis yang akurat dan andal. kondisi imbalance terjadi saat salah satu label di dalam dataset memiliki kemunculan yang jauh lebih sedikit jika dibandingkan dengan kemunculan label lainnya. Menggunakan dataset dalam kondisi imbalance untuk membangun model pradiagnosis akan mengarahkan kepada kondisi underfitting dan overfitting. Meskipun beberapa penelitian sudah dilakukan dengan melakukan adaptasi algoritma learning, tetapi pendekatan tersebut tidak menyelesaikan permasalahan distribusi data yang tidak seimbang. Pada tesis ini, peneliti menghasilkan citra X-ray sintesis menggunakan algoritma generative adversarial network untuk memperbaiki model klasifikasi pada kasus infeksi pneumonia. Studi ini menghasilkan citra X-ray sintesis dengan nilai Fréchet Inception Distance yang lebih rendah jika dibandingkan dengan augmentasi data konvensional dan SMOTE. Selain itu, model klasifikasi dengan penambahan data sintesis menghasilkan peningkatan yang signifikan pada nilai F1 berdasarkan uji Man-Whitney U.