Preprint / Version 1

Aplikasi Deteksi Covid-19 dan Pneumonia melalui Citra X-ray Dada menggunakan Residual Convolutional Neural Network

Keywords:

deteksi COVID-19, X-ray dada, CNN, Resnet

Abstract

Virus Corona atau yang lebih dikenal dengan Novel coronavirus merupakan virus jenis baru yang belum pernah diidentifikasi pada manusia. Manifestasi klinis biasanya muncul dalam 2 sampai 14 hari setelah paparan. Tanda dan gejala virus corona biasanya munculnya gejala gangguan pernapasan akut seperti batuk, demam dan sesak napas. Pada kasus yang berat dapat menyebabkan pneumonia, gagal ginjal dan paling buruk adalah kematian. Pada awal munculnya virus ini, hasil rontgen menunjukkan infiltrat pneumonia luas di kedua paru-paru. Selama ini untuk melaksanakan pengecekan COVID-19 dilakukan dengan diagnosis dengan uji PCR (polymerase chain reaction) dan swab pada cairan saluran pernapasan. Namun untuk pengecekan dengan kedua metode tersebut memiliki waktu dan membutuhkan tambahan diagnosa yang akurat.  Pendeteksian COVID-19 dengan Citra X-ray (Rontgen) merupakan salah satu alternatif pengecekan pendeteksian COVID-19 yang lebih cepat dan mampu mengurangi waktu diagnosis yang harus dilakukan pada metode pendeteksian lainya. Selain itu pada penelitian ini juga ditambahkan pendeteksian pneumonia sebagai diagnosis tambahan. Metode yang digunakan merupakan bagian dari algoritma deep learning yaitu Convolutional Neural Network (CNN). Implementasi CNN pada penelitian ini berbasis Python dengan library pytorch yang pada akhirnya akan diintegrasikan melalui website. Arsitektur CNN yang digunakan adalah Residual Neural Network khusunya ResNet18 dengan learning rate 0.0001, optimizer yang dipilih adalah adam optimizer dan jumlah batch-nya adalah 4. Hasil dari pengujian menemukan bahwa akurasi dari prediksi menyentuh angka 94% dengan epoch yang digunakan adalah 50. Video tutorial dapat diakses di :

https://www.youtube.com/watch?v=hH9hGlUaZDU&t=1003s

References

Liang, X., Feng, Z. & Li, L., Panduan Menghadapi Penyakit Virus Corona 2019 Model RRC, Beijing: People's Medical Publishing House, 2020.

D. J. P. d. P. Penyakit, Pedoman Kesiapsiagaan Menghadapi Inveksi Novel Coronavirus (2019-nCov), Jakarta: Kementerian Kesehatan Republik Indonesia, 2020.

W. Wang, Y. Xu, R. Gao, R. Lu, K. Han, G. Wu dan W. Tan, “Detection of SARS-CoV-2 in Different Types,” American Medical Association, vol. 323, pp. 1843-1844, 2020.

Y. S. Hariyani, S. Hadiyoso dan T. S. Siadari, “Deteksi Penyakit Covid-19 Berdasarkan Citra X-Ray Menggunakan Deep Residual Network,” ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, vol. 8, pp. 443-453, 2020.

A. Zein, “PENDETEKSIAN VIRUS CORONA DALAM GAMBAR X-RAY,” Jurnal Teknologi Informasi ESIT, vol. XV, pp. 19-23, 2020.

M. T. Islam, M. A. Aowal, A. T. Minhaz dan K. Ashraf, “Abnormality Detection and Localization in Chest X-Rays,” vol. 3, 2017.

W. Swastika, “STUDI AWAL DETEKSI COVID-19 MENGGUNAKAN CITRA CT BERBASIS DEEP,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 7, pp. 629-634, 2020.

C. M. R. K. H. Elza Febria Sari, “Faktor–Faktor yang Berhubungan dengan Diagnosis,” Jurnal Penyakit Dalam Indonesia, vol. 3, no. 4, pp. 183-192, 2016.

S. M. Ellis dan C. Flower, The WHO manual of diagnostic imaging Radiographic Anatomy and Interpretation of the chest and the pulmonary System, Singapore: World Health Organization, 2006.

C. C. Aggarwal, Neural Networks and Deep Learning A Textbook, Cham: Springer Nature Switzerland AG, 2018.

Published

2021-01-19

Section

Preprints