{"title":"使用 OFTALMOSKOP 在采用 YOLOv8 架构的眼科疾病分类工具中实施 RASPBERRY PI","authors":"Muhammad Kukuh Isnaen, Arnisa Stefanie","doi":"10.36040/jati.v7i3.6950","DOIUrl":null,"url":null,"abstract":"Dampak negatif yang diterima oleh mata karena paparan ultraviolet secara langsung dari perangkat elektronik akan menyebabkan penyakit pada mata, seperti katarak, glaukoma, dan penyakit pada retina. Apabila tidak segera ditangani, penyakit mata dapat menyebabkan kebutaan. Jika tidak ditangani, penyakit mata dapat menyebabkan kebutaan. Alat ini dirancang dengan tujuan untuk memudahkan masyarakat dalam melakukan pemeriksaan mata secara rutin dan mendeteksi secara dini adanya gangguan mata, sehingga memungkinkan segera dilakukannya tindakan medis oleh dokter untuk mengatasi masalah mata yang dihadapi oleh masyarakat. Pengujian ini akan di implementasikan ke gambar citra fundus mata untuk diklasifikasi matanya. Dalam pemanfaatan AI dapat diterapkan di dunia kesehatan Khususnya kesehatan mata yang bertujuan membantu klasifikasi dini penyakit pada mata untuk meningkatkan kualitas hidup masyarakat dan menciptakan alat diagnosis penyakit mata otomatis menggunakan raspberry pi dan kamera webcam dengan arsitektur YOLOv8. Tujuan pengujian alat ini untuk melihat keefektifan alat yang sudah dirancang dan mendapatkan data yang dibutuhkan. Pada percobaan pertama mengklasifikasi mata katarak menghasilkan akurasi 100%. Pada percobaan kedua mengklasifikasi mata glaukoma menghasilkan akurasi 99%. Pada percobaan ketiga mengklasifikasi mata diabetic retinopathy menghasilkan akurasi 78%. Pada percobaan keempat mengklasifikasi mata normal menghasilkan akurasi 77%.","PeriodicalId":329787,"journal":{"name":"JATI (Jurnal Mahasiswa Teknik Informatika)","volume":"13 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-11-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"IMPLEMENTASI RASPBERRY PI DALAM ALAT KLASIFIKASI PENYAKIT MATA DENGAN ARSITEKTUR YOLOv8 MENGGUNAKAN OFTALMOSKOP\",\"authors\":\"Muhammad Kukuh Isnaen, Arnisa Stefanie\",\"doi\":\"10.36040/jati.v7i3.6950\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Dampak negatif yang diterima oleh mata karena paparan ultraviolet secara langsung dari perangkat elektronik akan menyebabkan penyakit pada mata, seperti katarak, glaukoma, dan penyakit pada retina. Apabila tidak segera ditangani, penyakit mata dapat menyebabkan kebutaan. Jika tidak ditangani, penyakit mata dapat menyebabkan kebutaan. Alat ini dirancang dengan tujuan untuk memudahkan masyarakat dalam melakukan pemeriksaan mata secara rutin dan mendeteksi secara dini adanya gangguan mata, sehingga memungkinkan segera dilakukannya tindakan medis oleh dokter untuk mengatasi masalah mata yang dihadapi oleh masyarakat. Pengujian ini akan di implementasikan ke gambar citra fundus mata untuk diklasifikasi matanya. Dalam pemanfaatan AI dapat diterapkan di dunia kesehatan Khususnya kesehatan mata yang bertujuan membantu klasifikasi dini penyakit pada mata untuk meningkatkan kualitas hidup masyarakat dan menciptakan alat diagnosis penyakit mata otomatis menggunakan raspberry pi dan kamera webcam dengan arsitektur YOLOv8. Tujuan pengujian alat ini untuk melihat keefektifan alat yang sudah dirancang dan mendapatkan data yang dibutuhkan. Pada percobaan pertama mengklasifikasi mata katarak menghasilkan akurasi 100%. Pada percobaan kedua mengklasifikasi mata glaukoma menghasilkan akurasi 99%. Pada percobaan ketiga mengklasifikasi mata diabetic retinopathy menghasilkan akurasi 78%. Pada percobaan keempat mengklasifikasi mata normal menghasilkan akurasi 77%.\",\"PeriodicalId\":329787,\"journal\":{\"name\":\"JATI (Jurnal Mahasiswa Teknik Informatika)\",\"volume\":\"13 1\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-11-26\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"JATI (Jurnal Mahasiswa Teknik Informatika)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.36040/jati.v7i3.6950\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"JATI (Jurnal Mahasiswa Teknik Informatika)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36040/jati.v7i3.6950","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
摘要
电子设备中的紫外线直接照射眼睛,会对眼睛造成负面影响,引发白内障、青光眼和视网膜疾病等眼部疾病。如果不及时治疗,眼疾会导致失明。如果不及时治疗,眼疾会导致失明。设计这一工具的目的是方便社区进行常规眼科检查,及早发现眼疾,从而使医生能够立即采取医疗行动,解决社区面临的眼疾问题。该测试将在眼底图像中实施,对眼睛进行分类。人工智能可以应用于健康领域,尤其是眼部健康,其目的是帮助对眼部疾病进行早期分类,以提高社区居民的生活质量,并利用 YOLOv8 架构的 raspberry pi 和网络摄像头创建一个眼部疾病自动诊断工具。测试该工具的目的是了解所设计工具的有效性,并获取所需的数据。在第一个实验中,对白内障眼睛进行分类的准确率为 100%。在第二次实验中,对青光眼眼睛进行分类的准确率为 99%。在第三次实验中,对糖尿病视网膜病变眼睛进行分类的准确率为 78%。在第四次实验中,对正常眼睛进行分类的准确率为 77%。
IMPLEMENTASI RASPBERRY PI DALAM ALAT KLASIFIKASI PENYAKIT MATA DENGAN ARSITEKTUR YOLOv8 MENGGUNAKAN OFTALMOSKOP
Dampak negatif yang diterima oleh mata karena paparan ultraviolet secara langsung dari perangkat elektronik akan menyebabkan penyakit pada mata, seperti katarak, glaukoma, dan penyakit pada retina. Apabila tidak segera ditangani, penyakit mata dapat menyebabkan kebutaan. Jika tidak ditangani, penyakit mata dapat menyebabkan kebutaan. Alat ini dirancang dengan tujuan untuk memudahkan masyarakat dalam melakukan pemeriksaan mata secara rutin dan mendeteksi secara dini adanya gangguan mata, sehingga memungkinkan segera dilakukannya tindakan medis oleh dokter untuk mengatasi masalah mata yang dihadapi oleh masyarakat. Pengujian ini akan di implementasikan ke gambar citra fundus mata untuk diklasifikasi matanya. Dalam pemanfaatan AI dapat diterapkan di dunia kesehatan Khususnya kesehatan mata yang bertujuan membantu klasifikasi dini penyakit pada mata untuk meningkatkan kualitas hidup masyarakat dan menciptakan alat diagnosis penyakit mata otomatis menggunakan raspberry pi dan kamera webcam dengan arsitektur YOLOv8. Tujuan pengujian alat ini untuk melihat keefektifan alat yang sudah dirancang dan mendapatkan data yang dibutuhkan. Pada percobaan pertama mengklasifikasi mata katarak menghasilkan akurasi 100%. Pada percobaan kedua mengklasifikasi mata glaukoma menghasilkan akurasi 99%. Pada percobaan ketiga mengklasifikasi mata diabetic retinopathy menghasilkan akurasi 78%. Pada percobaan keempat mengklasifikasi mata normal menghasilkan akurasi 77%.