Implementasi Deep Classifier untuk Diagnosis Penyakit Glaukoma pada Citra Retina Mata

Abstract

Penerapan deep learning untuk diagnosis glaukoma dari gambar retina merupakan bidang yang berkembang pesat dalam pencitraan medis. Penelitian ini menyelidiki keampuhan model pembelajaran mendalam dengan menggunakan dua set data uji yang berbeda: DRISHTI-GS dan ORIGA, yang menjelaskan potensi dan tantangan dalam tugas medis yang kritis ini.
Dalam kasus dataset DRISHTI-GS, model deep learning menunjukkan kinerja yang bervariasi di seluruh zaman. Epoch awal menunjukkan akurasi yang rendah dan kehilangan yang tinggi, tetapi peningkatan yang signifikan terjadi antara epoch 40 dan 70, mencapai akurasi sekitar 96% pada epoch 100. Hal ini menunjukkan potensi deep learning dalam mendiagnosis glaukoma dari gambar retina DRISHTI-GS. Sebaliknya, dataset ORIGA menunjukkan kemajuan yang lebih konsisten. Model ini terus meningkatkan akurasi, mencapai 97,54% pada epoch 80, dengan penurunan kerugian yang terjadi secara bersamaan, yang mengindikasikan konvergensi yang kuat. Hal ini menggarisbawahi kemahiran model dalam diagnosis dataset ORIGA, menyoroti janji klinisnya. Singkatnya, penelitian ini menunjukkan kelayakan deep learning untuk diagnosis glaukoma dari gambar retina, dengan hasil yang menjanjikan pada dataset DRISHTI-GS dan ORIGA.