Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2021
- Tujuan
- Nomor
- dadcfbaa-928f-461d-a801-ab418dca3a96
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro melaksanakan studi mengenai klasifikasi osteosarkoma menggunakan jaringan saraf konvolusional atau convolutional neural network (CNN). Kegiatan ini melibatkan Asmaria, Talitha; Mayasari, Dita Ayu; Heryanto, M.A.; Kurniatie, Menik; Wati, Rahma; dan Aurellia, Salsabila sebagai peserta. Studi tersebut membahas konteks diagnosis ketika biopsi merupakan prosedur akhir untuk membedakan osteosarkoma primer dan sekunder. Studi ini juga mempertimbangkan kesulitan yang disebabkan oleh keragaman morfologis pada berbagai spesimen neoplasma, yang dapat menyebabkan kesalahan diagnosis.
Studi bertujuan mengklasifikasikan viabilitas sel pada dataset osteosarkoma menggunakan sampel yang diwarnai hematoksilin dan eosin. Matlab digunakan untuk membangun CNN guna meningkatkan efisiensi dan presisi. Arsitektur CNN terdiri atas enam lapisan konvolusi, lapisan max-pooling, dan lapisan fully connected untuk ekstraksi fitur. Augmentasi data digunakan untuk meningkatkan kinerja. Proses klasifikasi mencakup kelas non-tumor, non-viable, dan viable.
Proses klasifikasi dengan arsitektur CNN menghasilkan akurasi rata-rata sebesar 95,37 persen. Akurasi yang dilaporkan untuk kelas non-tumor adalah 92,8 persen, kelas non-viable sebesar 98 persen, dan kelas viable sebesar 95,239 persen. Studi menyimpulkan bahwa teknik CNN mengklasifikasikan osteosarkoma dengan akurasi tinggi. Studi tersebut juga menyatakan bahwa teknik ini menghasilkan hasil yang lebih baik dibandingkan proses manual dan dapat membantu pekerjaan patolog secara efektif. Dalam kaitannya dengan tujuan yang dinyatakan, kegiatan ini merupakan penelitian kesehatan yang berfokus pada klasifikasi viabilitas sel osteosarkoma dan proses diagnostik. Bukti ini mencatat kegiatan penelitian UDINUS, metode komputasional, dan temuan klasifikasi yang dilaporkan.