Analisis Perbandingan Klasifikasi Tumor Otak Menggunakan Deep Learning

Abstract

Tumor adalah sel yang tumbuh secara abnormal dan tidak terkontrol, sedangkan tumor otak adalah sel yang tumbuh secara abnormal di dalam atau dekat otak. Untuk mengidentifikasi tumor otak, dokter atau tenaga medis biasanya melakukan pemeriksaan radiologi yang umumnya menggunakan gambar resonansi magnetik (MRI). Dari beberapa studi, masing-masing peneliti mengklaim bahwa hasil metode yang mereka usulkan dapat mendeteksi tumor otak dengan akurasi tinggi; namun, masih terdapat kekurangan dalam metode mereka. Makalah ini akan membahas klasifikasi tumor otak berbasis MRI menggunakan deep learning dan transfer learning. Transfer learning memungkinkan untuk berbagai domain, fungsi, dan distribusi yang digunakan dalam pelatihan dan penelitian. Penelitian ini menggunakan dataset publik. Dataset tersebut terdiri dari 3618 gambar, yang dibagi menjadi 2010 gambar otak tanpa tumor dan 1608 gambar otak yang mengandung tumor. Residual Network (ResNet), Xception,  dan Visual Geometry Group (VGG) adalah teknik yang akan digunakan dalam makalah ini. Hasil menunjukkan bahwa model ResNet50 mendapatkan akurasi 96% dan VGG16 juga mendapatkan akurasi 96%. Hasil yang diperoleh menunjukkan bahwa transfer learning dapat menangani gambar medis.