Nova, Ria and Nurmaini, Siti and Putra, Sukman Tulus and Partan, Radiyati Umi (2022) MODEL AUTOMATIC DEFECT DETECTION TECHNOLOGY(ADDY) UNTUK DETEKSI DEFEK SEPTUM JANTUNG PADA EKOKARDIOGRAM (SIMILARITY). HaKI.
Text
MODEL AUTOMATIC DEFECT DETECTION TECHNOLOGY(ADDY) UNTUK DETEKSI DEFEK SEPTUM JANTUNG PADA EKOKARDIOGRAM_HaKI.pdf - Published Version Download (3MB) |
Abstract
Defek septum jantung sering terjadi tetapi seringkali terlambat terdeteksi. Ekokardiogram adalah standar emas untuk mengidentifikasi kondisi seperti itu; namun, ekokardiogram dapat diinterpretasikan secara tidak akurat jika dikerjakan oleh bukan konsultan jantung. Kami telah mengembangkan sebuah model teknologi otomatisasi yang diberi nama model ADDY (Automatic Defect Detection technologY) untuk mendeteksi defek septum jantung menggunakan ekokardiogram. Model ADDY dibangun berdasarkan deep learning menggunakan arsitektur DenseNet untuk mengidentifikasi kelainan defek septum jantung secara akurat. Untuk mendapatkan hasil yang memuaskan, model ADDY dibangun melalui tiga tahap: pengembangan, validasi dan evaluasi. Arsitektur DenseNet yang dipilih dilatih dan divalidasi menggunakan citra ekokardiogram dua dimensi dari defek septum jantung dan jantung normal. Untuk memastikan bahwa model tersebut kuat, model ADDY dievaluasi dengan biomarker NT-ProBNP dan kondisi klinis gagal jantung, hipertensi pulmonal, dan malnutrisi. Model ADDY yang diusulkan berhasil mendeteksi defek septum jantung dengan kinerja yang memuaskan dan tidak terpengaruh oleh kadar biomarker NT-proBNP dan kondisi klinis. Deteksi defek septum jantung oleh model ADDY setara dengan deteksi oleh konsultan jantung anak. Model ADDY merupakan cara baru, otomatis, dan akurat untuk memprediksi defek septum jantung pada ekokardiogram tanpa memerlukan ahli jantung anak yang terlatih.
Item Type: | Other |
---|---|
Subjects: | #3 Repository of Lecturer Academic Credit Systems (TPAK) > Results of Ithenticate Plagiarism and Similarity Checker |
Divisions: | 04-Faculty of Medicine > 11711-Pediatrics (Sp |
Depositing User: | dr Ria Nova |
Date Deposited: | 14 Apr 2023 03:23 |
Last Modified: | 14 Apr 2023 03:23 |
URI: | http://repository.unsri.ac.id/id/eprint/96176 |
Actions (login required)
View Item |