Klasifikasi Citra MRI sebagai alat bantu diagnosis Jenis Penyakit Tumor Otak Menggunakan Transfer Learning VGG-16

M ICHSAN PRATAMA, Ir. Nazrul Effendy, S. T., M. Eng., Ph.D., IPM; Nopriadi, S.T., M.Sc., Ph.D

2022 | Skripsi | S1 TEKNIK FISIKA

Untuk mendiagnosa jenis penyakit tumor otak dan letak tumor, digunakan pengamatan langsung oleh dokter setelah didapatkan citra oleh mesin akusisi citra. Pengamatan langsung oleh dokter ini juga beresiko terjadinya kesalahan pengamatan. Untuk mengatasi hal ini, teknologi kecerdasan buatan diharapkan mampu membantu dokter untuk mengklasifikasi penyakit yang ada dan memperkecil waktu diagnosa penyakit sebelum sel tumor tumbuh menjadi lebih berbahaya. Banyak metode yang dilakukan untuk mendapatkan citra yang terkena dampak dari penyakit, seperti X-Ray, Computer Tomography (CT) Scan dan Magnetic Resonance Image (MRI). Dibanding dari beberapa metode yang ada, diketahui metode MRI memiliki akurasi yang lebih baik, dan MRI lebih aman karena tidak menggunakan radiasi ion yang berkemungkinan meningkatkan resiko kanker. Pada penelitian ini dihasilkan suatu sistem deep learning untuk mengklasifikasi jenis penyakit tumor otak berdasarkan letaknya melalui citra MRI otak dengan metode transfer learning berbasis arsitektur VGG-16 dengan tambahan pre-processing menggunakan layer augmentasi. Sistem akan mengklasifikasi citra MRI otak menjadi 4 macam kelas yaitu glioma, meningioma, normal dan pituitary. Dibangun 12 Variasi arsitektur model dibangun dan didapatkan Model 7 sebagai model dengan performa terbaik, dengan akurasi sebesar 92,3 %, akurasi validasi sebesar 69,7 %, akurasi tes sebesar 87,5 % dan F-1 Score sebesar 88 %.

To diagnose the type of brain tumor disease and the location of the tumor, direct observation by a doctor is used after the image is obtained by the image acquisition machine. This direct observation by a doctor is also at risk of observational errors. To overcome this, artificial intelligence technology is expected to be able to help doctors to classify existing diseases and reduce the time of disease diagnosis before tumor cells grow to become more dangerous. Many methods are used to obtain images affected by disease, such as X-Ray, Computer Tomography (CT) Scan and Magnetic Resonance Image (MRI). Compared to several existing methods, it is known that the MRI method has better accuracy, and MRI is safer because it does not use ionizing radiation which may increase the risk of cancer. In this study, a deep learning system was produced to classify the types of brain tumors based on their location through brain MRI images with transfer learning methods based on the VGG-16 architecture with additional pre-processing using an augmentation layer. The system will classify brain MRI images into 4 classes, namely glioma, meningioma, normal and pituitary. Built 12 variations of the model architecture were built and Model 7 was obtained as the model with the best performance, with an accuracy of 92.3%, validation accuracy of 69.7%, test accuracy of 87.5% and F-1 Score of 88%.

Kata Kunci : MRI, Tumor Otak, Transfer Learning, VGG-16