Lewati ke konten
SDGs Center UDINUS

Catatan bukti · UDINUS · SDGs

Klasifikasi Subtipe Limfoma Menggunakan Arsitektur Transfer Learning Berbasis DenseNet169

Rektorat UDINUS 2024 Terbit 2026-10-30

Catatan bukti · UDINUS · SDGs

Unit
Rektorat UDINUS
Periode
2024
Tujuan
Nomor
17cf48a6-78b9-4966-969a-5032d76705de
Terbit
2026-10-30

Universitas Dian Nuswantoro melaksanakan studi untuk mengklasifikasikan sel limfoma menggunakan dataset patologi digital. Dataset tersebut mencakup tiga jenis, yaitu Chronic Lymphocytic Leukemia (CLL), Follicular Lymphoma (FL), dan Mantle Cell Lymphoma (MCL), dengan masing-masing 113, 139, dan 122 citra. Kegiatan ini melibatkan peneliti UDINUS Riyanto, Azizu Ahmad Rozaki, Ardytha Luthfiarta, Farrel Ardra Muhammad, Yohanes Deny Novandian, Muhammad Hafizh Dzaki, Ika Novita Dewi, Yani Parti Astuti, Rismiyati, dan Ni Kadek Devi Adnyaswari Putri.

Studi ini membahas limfoma yang dideskripsikan sebagai penyakit serius dengan potensi komplikasi yang signifikan, termasuk penyakit jantung, penyakit paru-paru, serta peningkatan kerentanan terhadap infeksi akibat penekanan sistem kekebalan tubuh. Untuk mengatasi keterbatasan dataset, kegiatan ini menerapkan teknik augmentasi citra. Citra diubah ukurannya menjadi 40% dari dimensi asli 1388 x 1040 piksel. Klasifikasi menggunakan pendekatan pembelajaran mendalam dengan transfer learning, khususnya model DenseNet169 dari TensorFlow. Model tersebut diinisialisasi dengan bobot ImageNet dan dioptimalkan menggunakan parameter tertentu.

Model DenseNet169 mencapai akurasi 99,1%, melampaui penelitian sebelumnya sebesar 0,4%. Studi ini melaporkan bahwa kombinasi augmentasi citra dan transfer learning secara efektif meningkatkan akurasi klasifikasi dalam konteks dataset yang terbatas. Kegiatan ini ditempatkan sebagai penelitian kesehatan UDINUS yang menggunakan patologi digital dan pembelajaran mendalam untuk mengklasifikasikan tiga jenis limfoma yang terdapat dalam dataset.

Rujukan https://www.scopus.com/pages/publications/85213311266?origin=resultslist