Lewati ke konten
SDGs Center UDINUS

Catatan bukti · UDINUS · SDGs

Citra Histopatologi Berbasis Patch untuk Deteksi Limfoma Non-Hodgkin Menggunakan CNN Voting dengan Pembekuan Lapisan

Rektorat UDINUS 2025 Terbit 2026-10-30

Catatan bukti · UDINUS · SDGs

Unit
Rektorat UDINUS
Periode
2025
Tujuan
Nomor
5ba00dab-8bd3-46a4-ab24-8baea9f49f81
Terbit
2026-10-30

Universitas Dian Nuswantoro, dengan Luthfiarta, Ardytha; Dewi, Ika Novita; Hidayat, Erwin Yudi; Supriyanto, Catur; Putra, Permana Langgeng Wicaksono Ellwid; dan Yousif, Ahmed Sabeeh sebagai peserta kegiatan, melaksanakan penelitian mengenai klasifikasi otomatis subtipe Limfoma Non-Hodgkin menggunakan citra histopatologi. Penelitian ini membahas tantangan diagnosis yang disebabkan oleh keragaman subtipe keganasan limfoid serta variasi morfologi jaringan dan profil imunofenotip. Pendekatan yang diusulkan menggabungkan analisis citra berbasis patch dengan ensemble voting dari Convolutional Neural Network. Model CNN pralatih DenseNet169, MobileNetV2, dan NASNetMobile ditingkatkan melalui teknik pembekuan lapisan. Teknik ini mempertahankan fitur tingkat rendah yang telah dipelajari, sementara lapisan tingkat lebih tinggi disesuaikan untuk meningkatkan spesifisitas deteksi Limfoma Non-Hodgkin. Prediksi dari setiap patch citra digabungkan melalui mekanisme majority voting untuk meningkatkan ketahanan klasifikasi. Model yang diusulkan dievaluasi menggunakan dataset citra limfoma IICBU 2008. Evaluasi tersebut melaporkan akurasi klasifikasi 99,11% dan F1-score 99,11%, serta melampaui metode sebelumnya. Pendekatan ini menunjukkan potensi untuk meningkatkan akurasi, efisiensi, dan penerapan klinis klasifikasi otomatis subtipe Limfoma Non-Hodgkin dari citra histopatologi.

Rujukan https://www.scopus.com/pages/publications/105002176974?origin=resultslist