Pneumonia adalah infeksi serius yang menyerang paru-paru dan dapat berakibat fatal jika tidak terdeteksi dan ditangani dengan cepat. Dalam upaya meningkatkan akurasi dan kecepatan diagnosis pneumonia, saya mengembangkan Aplikasi dengan menggunakan model Convolutional Neural Network (CNN) yang mampu mendeteksi penyakit ini dari citra X-ray. Dengan memanfaatkan teknik augmentasi data dan transfer learning, model saya mencapai score accuracy kisaran 97%, recall 98% dan spesificity 96%.
Berdasarkan latar belakang tersebut berikut adalah tujuan dari pembuatan proyek ini:
-
Mengembangkan Model Prediktif dengan CNN: Membangun model kecerdasan buatan yang memiliki kemampuan akurat dalam mendeteksi tanda-tanda pneumonia pada citra rontgen paru-paru, dengan tingkat sensitivitas dan spesifisitas yang tinggi.
-
Optimasi Proses Deteksi: Mengoptimalkan proses deteksi pneumonia dengan melakukan augmentasi, penyesuaian arsitektur CNN dan uji coba penggunaan transfer learning untuk memberikan hasil yang optimal.
-
Analisis dan Interpretasi Hasil yang Cepat: Menyediakan mekanisme analisis dan interpretasi hasil diagnosis dengan cepat, membantu praktisi kesehatan dalam membuat keputusan dan rencana perawatan.
Temukan lebih lanjut tentang pengembangan model ini melalui Kaggle Notebook - CNN-Augmentation-Transfer LearningšTop Score 97% dan coba aplikasi kami secara langsung di Streamlit App - Pneumonia Detection.
Uji coba prediksi gambar dari link berikut: https://www.itnonline.com/sites/default/files/GettyImages-115203637.jpg