Publication: Classification of pneumonia using deep learning
| datacite.subject.fos | oecd::Engineering and technology::Electrical engineering, Electronic engineering, Information engineering | |
| dc.contributor.author | Mohamad Azam, Muhammad Hafiz Syazwan | |
| dc.date.accessioned | 2024-02-26T08:55:02Z | |
| dc.date.available | 2024-02-26T08:55:02Z | |
| dc.date.issued | 2022-08-01 | |
| dc.description.abstract | Pneumonia adalah punca kematian terbesar pada kanak-kanak di bawah umur lima tahun. Menurut penyelidikan yang diterbitkan oleh UNICEF, ia menyumbang kira-kira 16% daripada kematian kanak-kanak di bawah umur lima tahun pada 2016, membunuh hampir 880,000 kanak-kanak. Majoriti kanak-kanak yang terjejas berumur di bawah dua tahun. Diagnosis awal radang paru-paru pada kanak-kanak membantu mempercepatkan proses penyembuhan. Penyelidikan ini menerangkan lima model rangkaian saraf konvolusi untuk mengesan paru-paru pneumonik daripada sinar-X dada: SNet-22, VGG16, VGG19, Resnet-50, dan Resnet-101. Pada dataset Imej X-Ray Dada (Pneumonia) yang boleh diakses pada Kaggle, eksperimen telah dijalankan. Model CNN dilatih dan disahkan menggunakan kedua-dua data asal dan tambahan. Data ujian digunakan untuk penilaian prestasi pengelas. Berdasarkan matriks kekeliruan, prestasi pengelasan untuk kedua-dua data asal dan data penambahan dinilai dan dibandingkan. Berdasarkan data penambahan, model pertama mencapai ketepatan 95.58%, model kedua mencapai ketepatan 85.26%, model ketiga mendapat ketepatan 92.77%, model keempat mencapai ketepatan 87.34%, dan model kelima mencapai ketepatan 88.46%. Selain itu, FPR dan FNR digunakan untuk menilai kadar positif palsu dan kadar negatif palsu merentas semua model, kerana latihan ketepatan antara data asal dan data penambahan tidak mempunyai kesan ke atas metrik ini | |
| dc.identifier.uri | https://erepo.usm.my/handle/123456789/18463 | |
| dc.language.iso | en | |
| dc.title | Classification of pneumonia using deep learning | |
| dc.type | Resource Types::text::report | |
| dspace.entity.type | Publication | |
| oairecerif.author.affiliation | Universiti Sains Malaysia |