通过CNN基于Web应用程序的算法检测感染COVID-19肺部的x光图像

Supriyadi Amir, Sitti Nur Azizah Fitriani Akbar, H. Hendra, Andi Muhammad Anwar, Sulfayanti Sulfayanti
{"title":"通过CNN基于Web应用程序的算法检测感染COVID-19肺部的x光图像","authors":"Supriyadi Amir, Sitti Nur Azizah Fitriani Akbar, H. Hendra, Andi Muhammad Anwar, Sulfayanti Sulfayanti","doi":"10.30872/jim.v17i1.6534","DOIUrl":null,"url":null,"abstract":"Pada penelitian ini menggunakan algoritma Convolutional Neural Network (CNN) untuk mendeteksi COVID-19 berdasarkan citra X-ray Paru-paru. Arsitektur CNN yang digunakan adalah EfficientNetB7 dan Resnet152V2 dengan memanfaatkan teknik Transfer Learning. Penelitian ini berfokus pada membandingkan kinerja kedua model arsitektur dalam mengklasifikasikan citra X-ray Paru-paru terinfeksi COVID-19. Selanjutnya mengimplementasikan model CNN tersebut ke aplikasi deteksi Citra X-ray paru-paru berbasis web. Dari hasil evaluasi kedua model tersebut disimpulkan bahwa Resnet152-V2 mencapai kinerja lebih baik dibanding arsitektur CNN EfficientNetB7 dengan akurasi 97% sedangkan EfficientNetB7 dengan akurasi 95%.","PeriodicalId":149284,"journal":{"name":"Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer","volume":"37 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-07-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Deteksi Citra X-Ray Paru-Paru Terinfeksi COVID-19 dengan Algoritma CNN berbasis Aplikasi Web\",\"authors\":\"Supriyadi Amir, Sitti Nur Azizah Fitriani Akbar, H. Hendra, Andi Muhammad Anwar, Sulfayanti Sulfayanti\",\"doi\":\"10.30872/jim.v17i1.6534\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Pada penelitian ini menggunakan algoritma Convolutional Neural Network (CNN) untuk mendeteksi COVID-19 berdasarkan citra X-ray Paru-paru. Arsitektur CNN yang digunakan adalah EfficientNetB7 dan Resnet152V2 dengan memanfaatkan teknik Transfer Learning. Penelitian ini berfokus pada membandingkan kinerja kedua model arsitektur dalam mengklasifikasikan citra X-ray Paru-paru terinfeksi COVID-19. Selanjutnya mengimplementasikan model CNN tersebut ke aplikasi deteksi Citra X-ray paru-paru berbasis web. Dari hasil evaluasi kedua model tersebut disimpulkan bahwa Resnet152-V2 mencapai kinerja lebih baik dibanding arsitektur CNN EfficientNetB7 dengan akurasi 97% sedangkan EfficientNetB7 dengan akurasi 95%.\",\"PeriodicalId\":149284,\"journal\":{\"name\":\"Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer\",\"volume\":\"37 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-07-03\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.30872/jim.v17i1.6534\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30872/jim.v17i1.6534","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

这项研究使用神经联合网络(CNN)的算法根据肺x光图像检测COVID-19。CNN使用的架构是EfficientNetB7和Resnet152V2,利用学习转移技术。本研究的重点是比较两种类型的建筑表现,对受COVID-19感染的肺部进行x光检查。接下来将CNN模型应用到基于web的肺x光图像检测应用程序中。从这两种模型的评估来看,Resnet152-V2的性能超过了CNN EfficientNetB7的建筑,准确性为97%,而EfficientNetB7的准确性为95%。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Deteksi Citra X-Ray Paru-Paru Terinfeksi COVID-19 dengan Algoritma CNN berbasis Aplikasi Web
Pada penelitian ini menggunakan algoritma Convolutional Neural Network (CNN) untuk mendeteksi COVID-19 berdasarkan citra X-ray Paru-paru. Arsitektur CNN yang digunakan adalah EfficientNetB7 dan Resnet152V2 dengan memanfaatkan teknik Transfer Learning. Penelitian ini berfokus pada membandingkan kinerja kedua model arsitektur dalam mengklasifikasikan citra X-ray Paru-paru terinfeksi COVID-19. Selanjutnya mengimplementasikan model CNN tersebut ke aplikasi deteksi Citra X-ray paru-paru berbasis web. Dari hasil evaluasi kedua model tersebut disimpulkan bahwa Resnet152-V2 mencapai kinerja lebih baik dibanding arsitektur CNN EfficientNetB7 dengan akurasi 97% sedangkan EfficientNetB7 dengan akurasi 95%.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Analisis Efisiensi Metode K-Nearest Neighbor dan Forward Chaining Untuk Prediksi Stunting Pada Balita Analisis Perubahan Tutupan Lahan Menggunakan Metode Klasifikasi Terbimbing Pada Data Citra Penginderaan Jauh Kota Samarinda-Kalimantan Timur Perancangan Model Animasi 3D Transportasi Air Pada Sungai Karang Mumus Sistem Pelayanan Pasien Berbasis Website di Puskesmas Gayam Sumenep Modifikasi Metode Fuzzy C-Means untuk Klasifikasi Citra Daun Padi
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1