Deep Convolutional Neural Network for Melanoma Image Classification

Deteksi suatu penyakit dengan menggunakan citra sangat menguntungkan karena dapat dilakukan dengan lebih mudah, murah, cepat, dan non-invasif dibandingkan dengan biopsi. Penggunaan metode machine learning dan computer vision konvensional membuat kinerja klasifikasi mereka sangat dipengaruhi oleh hasil segmentasi lesi kulit dan fitur-fitur yang dipilih untuk proses klasifikasi. Perkembangan algoritma deep learning saat ini, seperti CNN (Convolutional Neural Network), memungkinkan untuk mengklasifikasikan gambar tanpa melalui proses segmentasi gambar dan penentuan fitur secara manual dan memberikan performa yang tinggi dengan data training yang cukup. Oleh karena itu, pada penelitian ini kami mengusulkan deep convolutional neural network (CNN) untuk mengklasifikasikan citra melanoma ke dalam kelas jinak dan ganas.

Wednesday, August 30, 2023 4:58 AM

Deep Convolutional Neural Network for Melanoma Image Classification

Deep Convolutional Neural Network for Melanoma Image Classification

Deteksi suatu penyakit dengan menggunakan citra sangat menguntungkan karena dapat dilakukan dengan lebih mudah, murah, cepat, dan non-invasif dibandingkan dengan biopsi. Penggunaan metode machine learning dan computer vision konvensional membuat kinerja klasifikasi mereka sangat dipengaruhi oleh hasil segmentasi lesi kulit dan fitur-fitur yang dipilih untuk proses klasifikasi. Perkembangan algoritma deep learning saat ini, seperti CNN (Convolutional Neural Network), memungkinkan untuk mengklasifikasikan gambar tanpa melalui proses segmentasi gambar dan penentuan fitur secara manual dan memberikan performa yang tinggi dengan data training yang cukup. Oleh karena itu, pada penelitian ini kami mengusulkan deep convolutional neural network (CNN) untuk mengklasifikasikan citra melanoma ke dalam kelas jinak dan ganas.

Jumbotron PENS

Jl. Raya ITS, Keputih, Kec. Sukolilo, Kota SBY, Jawa Timur 60111

Indonesia

(031) 5947280

humas@pens.ac.id