Studi Literatur Penerapan Deep Learning dalam Analisis Citra Medis di Indonesia
Keywords:
Artificial Intelligence, Deep Learning, Medical Image Analysis, Systematic Literature ReviewAbstract
Artificial Intelligence (AI) telah berkembang pesat, termasuk di bidang kesehatan, khususnya dalam analisis citra medis. Salah satu cabangnya, Deep Learning (DL), menunjukkan kemampuan luar biasa dalam mengidentifikasi pola dan mengolah data citra medis. Penelitian ini bertujuan untuk melakukan tinjauan pustaka sistematis mengenai penerapan deep learning dalam analisis citra medis di Indonesia, menggunakan metode Systematic Literature Review (SLR) berbasis model Kitchenham. Dari 45 artikel yang diidentifikasi, 12 artikel dipilih berdasarkan kriteria inklusi, eksklusi, dan relevansi untuk dianalisis lebih lanjut. Hasil studi menunjukkan bahwa metode deep learning seperti Fourier Adaptive Recognition System (FARS) dan Residual Neural Network (ResNet50) telah berhasil meningkatkan akurasi diagnosa penyakit. Namun, tantangan yang dihadapi meliputi keterbatasan infrastruktur medis, kurangnya data berkualitas, serta perlunya penerapan yang lebih luas di fasilitas kesehatan. Temuan ini menunjukkan potensi besar deep learning untuk meningkatkan pelayanan kesehatan di Indonesia, asalkan tantangan-tantangan tersebut dapat diatasi.
References
Averil, T. K. (2024). Teknologi Medis Canggih. Artificial Intelligence (AI).
Gunawan, D., & Setiawan, H. (2022). Convolutional Neural Network dalam Citra Medis. KONSTELASI: Konvergensi Teknologi dan Sistem Informasi, 2(2), 376-390.
Bintang, Y. K., & Imaduddin, H. (2024). PENGEMBANGAN MODEL DEEP LEARNING UNTUK DETEKSI RETINOPATI DIABETIK MENGGUNAKAN METODE TRANSFER LEARNING. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 9(3), 1442-1455.
Pitrianti, S., Sampetoding, E. A., Purba, A. A., & Pongtambing, Y. S. (2023, November). Literasi digital pada masyarakat desa. In Prosiding Seminar Nasional Teknologi dan Sistem Informasi (Vol. 3, No. 1, pp. 43-49).
Najira, N., Riandi, R., & Surtikanti, H. K. (2024). Kajian Literatur: Penggunaan Teknologi Pembelajaran untuk Pengajaran Bioteknologi. Jurnal Jeumpa, 11(1), 75-83.
Ilyas, T., Ahmad, K., Arsa, D. M. S., Jeong, Y. C., & Kim, H. (2024). Enhancing medical image analysis with unsupervised domain adaptation approach across microscopes and magnifications. Computers in Biology and Medicine, 170, 108055.
Mudeng, V., Jeong, J. W., & Choe, S. W. (2022). Simply Fine-Tuned Deep Learning-Based Classification for Breast Cancer with Mammograms. Computers, Materials & Continua, 73(3).
Rifai, A. M., Raharjo, S., Utami, E., & Ariatmanto, D. (2024). Analysis for diagnosis of pneumonia symptoms using chest X-ray based on MobileNetV2 models with image enhancement using white balance and contrast limited adaptive histogram equalization (CLAHE). Biomedical Signal Processing and Control, 90, 105857.
Liu, H., Yang, J., Wang, S., Kong, H., Chen, Q., & Zhang, H. (2024). Learning to segment complex vessel-like structures with spectral transformer. Expert Systems with Applications, 243, 122851.
Arsa, D. M. S., Ilyas, T., Park, S. H., Chua, L., & Kim, H. (2024). Efficient multi-stage feedback attention for diverse lesion in cancer image segmentation. Computerized Medical Imaging and Graphics, 116, 102417.
Rachmadi, M. F., Byra, M., & Skibbe, H. (2024). A new family of instance-level loss functions for improving instance-level segmentation and detection of white matter hyperintensities in routine clinical brain MRI. Computers in Biology and Medicine, 174, 108414.
Nugroho, H. A., & Nurfauzi, R. (2023). A combination of optimized threshold and deep learning-based approach to improve malaria detection and segmentation on PlasmoID dataset., 1-12.
Athira, T. R., & Nair, J. J. (2023). Diabetic retinopathy grading from color fundus images: an autotuned deep learning approach. Procedia Computer Science, 218, 1055-1066.
Ranjitha, K. V., & Pushphavathi, T. P. (2024). Analysis on Improved Gaussian-Wiener filtering technique and GLCM based Feature Extraction for Breast Cancer Diagnosis. Procedia Computer Science, 235, 2857-2866.
Mudeng, V., & Choe, S. W. (2022). Deep neural network incorporating domain and resolution transformations model for histopathological image classification. Computers and Electrical Engineering, 104, 108468.
Saifullah, S., & Dreżewski, R. (2023). Modified histogram equalization for improved CNN medical image segmentation. Procedia Computer Science, 225, 3021-3030.
