Aplikasi Pembelajaran Mesin dalam Pengolahan Data Citra untuk Bidang Medis: Sebuah Kajian Pustaka

Abstract

Dalam dunia medis, penggunaan citra sangat penting untuk mengidentifikasi kemunculan dan menentukan tindakan pencegahan agar penyakit tidak bertambah parah. Citra medis berisi data atau fitur yang merepresentasikan kondisi kesehatan pasien. Menganalisa citra medis membutuhkan ketelitian supaya pengambilan keputusan terkait pencegahan suatu penyakit menjadi akurat dan tepat. Namun, mengamati citra medis tidak mudah karena terkadang fitur citra yang dicari tidak terlalu jelas atau sulit dibedakan dengan yang objek lainnya, misalnya noise di citra tersebut. Sehingga, proses analisa memakan waktu yang lama dan keputusan tindakan medis menjadi lama untuk diambil. Beberapa penelitian pembelajaran mesin untuk pengolahan citra medis digital telah dikembangkan untuk mempercepat proses analisa. Kajian pustaka ini hadir untuk meninjau beberapa penelitian-penelitian tersebut. Kajian ini berisi pendekatan apa yang sering digunakan, tujuan penggunaan yang sering dicapai, serta performa model pembelajaran mesin yang dicapai dalam penelitian-penelitian tersebut dengan cara membandingkan hasil dari 10 artikel ilmiah berdasarkan langkah penggunaan dan objek penelitiannya. Dalam kajian ini dapat disimpulkan bahwa pendekatan Convolutional Neural Network (CNN) dan U-Net beserta pendekatan turunannya menjadi pendekatan yang favorit untuk digunakan karena keandalannya dalam mengekstrak fitur-fitur citra. Penerapan pembelajaran mesin untuk data citra lebih sering digunakan untuk memberi segmentasi pada objek citra tertentu yang ingin dianalisa. Performa yang diperoleh masing-masing penelitian cukup variatif mengingat tujuan dan objek penelitian juga bervariasi.