A15-CNN: Sistem Deteksi Tuberkulosis Pernapasan (ICD-10 A15) Berbasis Deep Learning pada Citra X-Ray Dada dengan Optimasi Class Imbalance

A15-CNN adalah sistem kecerdasan buatan canggih yang dirancang khusus untuk mendeteksi Tuberkulosis Pernapasan (ICD-10 A15) dari citra X-Ray dada menggunakan arsitektur Convolutional Neural Network (CNN). Sistem ini mengatasi tantangan class imbalance dan memberikan akurasi tinggi dalam klasifikasi biner antara kondisi Normal dan Tuberkulosis.

Fitur Utama

1. Deteksi Tuberkulosis berdasarkan standar ICD-10 A15
2. Optimasi Class Imbalance dengan dataset seimbang (3,500 gambar per kelas)
3. Arsitektur CNN Kustom yang dioptimalkan untuk citra X-Ray
4. Evaluasi Komprehensif dengan metrik klinis yang relevan
5. Visualisasi Lengkap untuk analisis performa model
6. Analisis Misklasifikasi untuk peningkatan model
7. Generasi Laporan LaTeX untuk publikasi penelitian

Statistik Dataset

Jumlah gambar Normal: 3,500 Jumlah gambar Tuberkulosis: 3,500 Total: 7,000 gambar

=== PEMBAGIAN DATASET === Train - Normal: 2,450, TB: 2,450 Val - Normal: 525, TB: 525 Test - Normal: 525, TB: 525

Teknologi yang Digunakan

Deep Learning Framework

• PyTorch 2.0+ - Framework deep learning utama
• TorchVision - Preprocessing dan augmentasi data
• CUDA Support - Akselerasi GPU untuk training

Computer Vision & Processing

• PIL/Pillow - Image processing dan manipulasi
• OpenCV - Computer vision operations
• NumPy - Komputasi numerik

Evaluasi & Visualisasi

• Scikit-learn - Metrik evaluasi dan analisis
• Matplotlib & Seaborn - Visualisasi data dan hasil
• Pandas - Data processing dan analisis