Dalam beberapa tahun terakhir, teknik deep learning telah menunjukkan keberhasilan yang luar biasa dalam berbagai tugas visi komputer, termasuk analisis citra medis. Paper ini menyelidiki penerapan transfer learning, sebuah teknik deep learning populer, untuk meningkatkan kinerja deteksi lesi pada citra MRI untuk diagnosis kanker. Kami mengeksplorasi efektivitas model Convolutional Neural Network (CNN) yang telah dilatih sebelumnya, seperti VGG16 dan ResNet, dalam mengekstraksi fitur-fitur bermakna dari citra MRI. Hasil eksperimen kami menunjukkan bahwa fine-tuning model CNN yang telah dilatih sebelumnya pada dataset MRI yang relatif kecil dapat secara signifikan meningkatkan akurasi dan keandalan deteksi lesi. Pendekatan yang diusulkan tidak hanya mencapai kinerja yang superior dibandingkan dengan metode tradisional tetapi juga menunjukkan potensi yang menjanjikan untuk diterapkan secara praktis di pengaturan klinis. Penelitian ini berkontribusi pada upaya berkelanjutan dalam memanfaatkan kecerdasan buatan untuk membantu radiolog dalam mendiagnosis kanker secara lebih akurat dan efisien.
Copyrights © 2024