Year: 2025
Type: conference-paper
Abstract: Jantung memegang peranan yang sangat penting bagi kelangsungan hidup sebagai organ utama yang berfungsi memompa darah untuk memenuhi kebutuhan oksigen dan nutrisi ke seluruh tubuh. Terdapat beberapa kondisi dimana jantung tidak dapat melaksanakan tugasnya dengan baik, antara lain penyakit arteri koroner, kelainan ginjal, hipertensi, kelainan bawaan, infeksi, dan kardiomiopati. Akibat dari berbagai macam penyakit jantung ini dapat menyebabkan kardiomegali. Kardiomegali terjadi ketika ukuran jantung melebihi 50% dari diameter bagian dalam tulang rusuk. Untuk mengetahui terdeteksi kardiomegali dapat diagnosis terlebih dahulu. Diagnosis kardiomegali biasanya dilakukan dengan pemeriksaan fisik, tes darah, dan pencitraan medis seperti rontgen dada. Metode diagnostik tradisional untuk pembesaran jantung biasanya melibatkan pemeriksaan fisik, elektrokardiogram (EKG), dan pencitraan medis seperti rontgen dada. Deep learning telah muncul sebagai metode yang lebih disukai untuk analisis gambar. Convolutional Neural Network (CNN) adalah algoritma pembelajaran mendalam yang lazim yang secara khusus digunakan dalam berbagai aplikasi yang berhubungan dengan gambar. Penelitian ini menggunakan arsitektur DenseNet169, InceptionResNetV2, dan MobileNetV2 dengan pengoptimal Adagrad, Nadam, dan SGD, yang dievaluasi dengan menggunakan confusion matrix untuk mengetahui kinerja evaluasi model dari setiap percobaan. Hasil percobaan dari beberapa model tersebut memiliki nilai akurasi tertinggi yaitu pada arsitektur DenseNet169 dengan pengoptimal Nadam sebesar 90% dan juga arsitektur MobileNetV2 Nadam mencapai 87%. Kedua arsitektur CNN ini dapat dikatakan cukup baik dalam membantu mendeteksi penyakit kardiomegali dengan klasifikasi citra.
Author: ALIKA RAHMARSYARAH RIZALDE, -
Language: Indonesian
Topic: COVID-19 diagnosis using AI
Subfield: Radiology, Nuclear Medicine and Imaging
Field: Medicine
Domain: Health Sciences
Keywords: cardiomegaly, chest X-ray classification, convolutional neural networks, DenseNet169, InceptionResNetV2, MobileNetV2, Nadam optimizer, heart disease detection, deep learning for medical imaging, confusion matrix analysis, model accuracy comparison, AdaGrad, SGD, chest radiography, coronary artery disease, hypertension, cardiomyopathy, congenital heart disease
Open Access status: green
OpenAlex ID: W7070598092
