Deteksi Citra X-Ray Paru-Paru Terinfeksi COVID-19 dengan Algoritma CNN berbasis Aplikasi Web

Supriyadi Amir, Sitti Nur Azizah Fitriani Akbar, H. Hendra, Andi Muhammad Anwar, Sulfayanti Sulfayanti
{"title":"Deteksi Citra X-Ray Paru-Paru Terinfeksi COVID-19 dengan Algoritma CNN berbasis Aplikasi Web","authors":"Supriyadi Amir, Sitti Nur Azizah Fitriani Akbar, H. Hendra, Andi Muhammad Anwar, Sulfayanti Sulfayanti","doi":"10.30872/jim.v17i1.6534","DOIUrl":null,"url":null,"abstract":"Pada penelitian ini menggunakan algoritma Convolutional Neural Network (CNN) untuk mendeteksi COVID-19 berdasarkan citra X-ray Paru-paru. Arsitektur CNN yang digunakan adalah EfficientNetB7 dan Resnet152V2 dengan memanfaatkan teknik Transfer Learning. Penelitian ini berfokus pada membandingkan kinerja kedua model arsitektur dalam mengklasifikasikan citra X-ray Paru-paru terinfeksi COVID-19. Selanjutnya mengimplementasikan model CNN tersebut ke aplikasi deteksi Citra X-ray paru-paru berbasis web. Dari hasil evaluasi kedua model tersebut disimpulkan bahwa Resnet152-V2 mencapai kinerja lebih baik dibanding arsitektur CNN EfficientNetB7 dengan akurasi 97% sedangkan EfficientNetB7 dengan akurasi 95%.","PeriodicalId":149284,"journal":{"name":"Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer","volume":"37 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-07-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30872/jim.v17i1.6534","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Pada penelitian ini menggunakan algoritma Convolutional Neural Network (CNN) untuk mendeteksi COVID-19 berdasarkan citra X-ray Paru-paru. Arsitektur CNN yang digunakan adalah EfficientNetB7 dan Resnet152V2 dengan memanfaatkan teknik Transfer Learning. Penelitian ini berfokus pada membandingkan kinerja kedua model arsitektur dalam mengklasifikasikan citra X-ray Paru-paru terinfeksi COVID-19. Selanjutnya mengimplementasikan model CNN tersebut ke aplikasi deteksi Citra X-ray paru-paru berbasis web. Dari hasil evaluasi kedua model tersebut disimpulkan bahwa Resnet152-V2 mencapai kinerja lebih baik dibanding arsitektur CNN EfficientNetB7 dengan akurasi 97% sedangkan EfficientNetB7 dengan akurasi 95%.
通过CNN基于Web应用程序的算法检测感染COVID-19肺部的x光图像
这项研究使用神经联合网络(CNN)的算法根据肺x光图像检测COVID-19。CNN使用的架构是EfficientNetB7和Resnet152V2,利用学习转移技术。本研究的重点是比较两种类型的建筑表现,对受COVID-19感染的肺部进行x光检查。接下来将CNN模型应用到基于web的肺x光图像检测应用程序中。从这两种模型的评估来看,Resnet152-V2的性能超过了CNN EfficientNetB7的建筑,准确性为97%,而EfficientNetB7的准确性为95%。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信