Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penyakit glaukoma ditandai dengan hilangnya serabut saraf optik dan astrosit. Kehilangan ini dapat diperiksa dengan mengukur ketebalan neuro-retinal rim dan ukuran optic cup sehubungan dengan optic disc. Namun, penentuan glaukoma masih membutuhkan pemeriksaan mata lengkap oleh dokter mata. Beberapa metodologi otomatis berdasarkan transfer learning deep convolutional neural network untuk klasifikasi glaukoma telah dikembangkan. Untuk meningkatkan akurasi dari penelitian sebelumnya, digunakan metode transfer learning dari metode klasifikasi skin cancer. Arsitektur Inception-v3 dan ResNet50 serta pengklasifikasi serial dari kedua arsitektur tersebut dikembangkan untuk klasifikasi glaukoma otomatis menggunakan citra fundus. Selain arsitektur, variasi splitting dataset dengan metode train-test-split validation serta k-fold cross validation dibandingkan untuk mendapatkan nilai akurasi tertinggi. Berdasarkan hasil penelitian, model terbaik yang didapatkan berupa Inception-v3 dengan metode validasi train-valid-test rasio 80:20 dengan akurasi 95%, presisi 96%, sensitivitas 95%, dan skor-f1 95%. Pembagian 80:20 dipilih karena cocok dengan ukuran dataset yang digunakan. Performa model ini lebih baik dari metode yang telah ada sebelumnya, yaitu Xception dengan peningkatan akurasi sebanyak 2%.

---

Glaucoma is characterized by loss of optic nerve fibers and astrocytes. This loss can be checked by measuring the thickness of the neuro-retinal rim and the size of the optic cup in relation to the optic disc. However, the determination of glaucoma still requires a complete eye examination by an ophthalmologist. Several automated methodologies based on transfer learning deep convolutional neural networks for glaucoma classification have been developed. To increase the accuracy of previous research, transfer learning method is used from the skin cancer classification method. The Inception-v3 and ResNet50 architectures also the serial classifiers of the two architectures were developed for automatic glaucoma classification using fundus images. In addition to the architecture, variations of splitting datasets using the train-test-split validation method and k-fold cross validation were compared to get the highest accuracy value. Based on the results of the study, the best model obtained was Inception-v3 with a train-valid-test ratio validation method of 80:20 with 95% accuracy, 96% precision, 95% sensitivity, and 95% f1-score. The 80:20 division was chosen because it matches the size of the dataset used. The performance of this model is better than the previous method, namely Xception with an increase in accuracy of 2%."

"ABSTRAKGlaukoma merupakan penyakit multifaktorial dan penyebab kematian terbesar kedua di dunia. Riskesdas 2007, menyatakan sekitar 4.6 penduduk Indonesia menderita glaukoma. Baku emas penegakkan diagnosis glaukoma menggunakan nilai rerata RNFL. Tujuan penelitian ini untuk melihat korelasi nilai rim area dengan rerata RNFL sebagai alat diagnostik glaukoma primer sudut terbuka. Penelitian ini menggunakan metode studi potong-lintang dengan jumlah sampel sebanyak 55 subjek yang diambil dari total data rekam medis bulan februari 2015 hingga juni 2016. Hasil penelitian menunjukkan sebagian besar pasien glaukoma primer sudut terbuka berusia >58 tahun 56.4 , laki-laki 61.8 , cup-disk rasio >0.7 63.6 , nilai rerata RNFL 60.76 19.86 ?m, dan nilai rim area 0.73 0.56 mm2. Hasil uji korelasi pearson antara Rim area dengan rerata RNFL didapatkan nilai r 0,734 dan nilai p< 0,05 yang menyatakan kedua variabel memiliki korelasi kuat dan secara statistik bermakna. Pengukuran menggunakan ROC curve didapatkan nilai cut-off rim area sebasar 1.049 dengan nilai sensitivitas 81.8 dan spesifisitas 95.5 . Berdasarkan hasil tersebut dapat disimpulkan bahwa nilai Rim area memiliki korelasi dengan nilai rerata RNFL dan dapat digunakan sebagai alat diagnostik glaukoma primer sudut terbuka.

---

ABSTRAKGlaucoma is a multifactorial disease and the second biggest cause of death in the world. Riskesdas 2007 report rsquo s stated around 4.6 population in Indonesia was diagnosed with glaucoma. The gold standard in diagnosing glaucoma is using the average RNFL.The purpose of this research is finding the correlation of rim area with average of RNFL as a diagnostic tools for primary open angle glaucoma. The method used in this research is a cross sectional study, the samples of which use 55 patient medical records from 2015 February until 2016 June. The result consist of the data that most of the patient with primary open angle glaucoma are older than 58 years old 56.4 , male 61.8 , cup disk ratio 0.7 63.6 , the average RNFL 60.76 19.86 m and rim area 0.73 0.56 mm2. Rim area and average RNFL are analyzed with pearson corelation test and the result of which are r value 0,734 and p value less than 0,05 which represent a strong correlation and statistically significant result. Measurement with ROC curve found that the cut off of rim area is 1.049 with 81.8 sensitivity and 95.5 specificity. As the conclution, rim area has corelation with average RNFL and can be used as a diagnostic tool for primary open angle glaucoma. "