Perpustakaan Digital ITB

Klasifikasi pada data medis menggunakan deep learning cukup memberikan hasil yang memuaskan. Namun, data medis masih mengalami kendala pada jumlah dataset yang tersedia secara publik, contohnya data tumor otak. Permasalahan lain pada dataset adalah mengalami dataset tidak seimbang. Untuk mengatasi hal tersebut, dapat dilakukan peningkatan jumlah data. Oleh karena itu, penelitian ini melakukan pembangkitan data sintesis tumor otak dengan tujuan meningkatkan jumlah dataset saat pelatihan model klasifikasi berbasis deep learning. Penelitian ini menggunakan dataset MRI tumor otak yang tersedia berjumlah 3064 dengan tiga kelas tumor. Untuk menghasilkan data sintesis, GAN dipilih dengan membangun 9 model untuk tiap kelas tumor dan tiap plane pencitraan-nya agar GAN terfokus mempelajari satu karakteristik gambar. Kualitas dari data sintesis, hasil dari GAN, dievaluasi secara kuantitatif dan kualitatif. Hasil dari penelitian ini menunjukkan bahwa modifikasi terhadap arsitektur diskriminator dan generator menggunakan Residual Network, menghasilkan data sintesis yang dapat menangkap fitur penting, yaitu tumor dibandingkan dengan Deep Convolutional Network. Kemudian, untuk meningkatkan proses pelatihan dan hasil data sintesis yang dihasilkan, penelitian dilanjutkan dengan menambahkan gradient penalty. Hasilnya adalah dengan penambahan teknik tersebut, dihasilkan data sintesis dengan perbaikan fitur yang lebih baik meskipun kekurangannya adalah terdapat banyak noise pada data sintesis sehingga nilai FID lebih tinggi dan inception score lebih rendah. Selanjutnya, dilakukan penambahan data sintesis pada data latih di ketiga model klasifikasi berbasis deep learning. Hasil terbaik didapatkan menggunakan data sintesis model ResWGAN-GP, akurasi model InceptionV3 meningkat dari 95% menjadi 96%, dengan DenseNet121 akurasi model meningkat dari 96% menjadi 97% dan dengan MobileNetv2 akurasi model meningkat dari 92% menjadi 93%. Peningkatan akurasi ini terjadi dikarenakan adanya perbaikan prediksi untuk kelas meningioma dan glioma setelah ditambahkan data sintesis.