DETEKSI COVID-19 BERDASARKAN CITRA RONTGEN THORAX MENGGUNAKAN GAMMA CORRECTION DAN DEEP TRANSFER LEARNING-LONG SHORT TERM MEMORY

COVID-19 DETECTION BASED ON THORAX X-RAYS IMAGES USING GAMMA CORRECTION AND DEEP TRANSFER LEARNING-LONG SHORT TERM MEMORY

Coronavirus (COVID-19) telah menjadi sebuah pandemi yang telah menyebar secara global di seluruh dunia. Saat ini, alat deteksi COVID-19 yang sering digunakan adalah tes genetik yang sering dikenal dengan Polymerase Chain Reaction (PCR). Tes PCR ini sudah banyak digunakan di seluruh dunia. Namun, dalam beberapa kasus tes PCR ini memiliki sensitivitas yang rendah. Sehingga belakangan ini, beberapa peneliti tengah mengembangkan sistem deteksi COVID-19 yang dapat mengatasi permasalahan dalam tes PCR, salah satunya adalah sistem deteksi COVID-19 berdasarkan citra rontgen thorax. Karena sistem tersebut bekerja berdasarkan citra digital, maka ada sebuah keharusan dimana informasi-informasi penting dalam citra digital dapat terdeteksi dengan baik. Penelitian ini bertujuan untuk mengusulkan sebuah sistem deteksi COVID-19 berbasis teknik deep learning yaitu deep transfer learning-long short term memory (LSTM) pada citra rontgen thorax. Dalam penelitian ini juga diterapkan teknik image enhancement yaitu gamma correction pada citra rontgen thorax. Hal tersebut bertujuan untuk meningkatkan kualitas dari citra sehingga informasi penting dalam citra dapat diterima dengan baik oleh sistem. Karena COVID-19 menyebabkan infeksi di saluran pernapasan, maka dalam beberapa kasus komplikasi COVID-19 dapat menyebabkan pneumonia. Akan tetapi pneumonia yang disebabkan oleh COVID-19 memiliki karakteristik klinis yang berbeda dengan pneumonia non-COVID. Sistem deteksi COVID-19 yang diusulkan bekerja dengan mengklasifikasikan citra rontgen thorax ke dalam beberapa kelas antara lain COVID-19, viral pneumonia, bacterial pneumonia, dan normal. Dalam sistem deteksi COVID-19 yang diusulkan, deep transfer learning digunakan untuk ekstraksi fitur dan LSTM digunakan sebagai classifier. Hasil eksperimen menunjukkan bahwa sistem yang diusulkan mencapai akurasi , spesifisitas , sensitivitas , dan F1 Score . Diharapkan sistem deteksi COVID-19 yang diusulkan dalam penelitian ini dapat membantu proses skrining COVID-19 menjadi cepat dan dengan hasil yang akurat.

Coronavirus (COVID-19) has become a global pandemic that has spread all over the world. Currently, the COVID-19 detection tool that is often used is a genetic test which is often known as the Polymerase Chain Reaction (PCR). This PCR test has been widely used around the world. However, in some cases this PCR test has low sensitivity. So recently, several researchers are developing a COVID-19 detection system that can overcome problems in PCR tests, one of which is a COVID-19 detection system based on chest X-ray images. Because the system works based on digital images, there is a necessity where important information in digital images can be detected properly. This study aims to propose a COVID-19 detection system based on deep learning techniques, namely deep transfer learning-long short term memory (LSTM) on chest X-ray images. In this study, an image enhancement technique, namely gamma correction, was also applied to the thorax X-ray image. It aims to improve the quality of the image so that important information in the image can be well received by the system. Because COVID-19 causes infections in the respiratory tract, in some cases complications of COVID-19 can cause pneumonia. However, pneumonia caused by COVID-19 has different clinical characteristics from non-COVID pneumonia. The proposed COVID-19 detection system works by classifying chest X-ray images into several classes, including COVID-19, viral pneumonia, bacterial pneumonia, and normal. In the proposed COVID-19 detection system, deep transfer learning is used for feature extraction and LSTM is used as a classifier. The experimental results show that the proposed system achieves an accuracy of 96.88%, specificity 92.12%, sensitivity 93.67%, and F1 Score 92.89%. It is hoped that the COVID-19 detection system proposed in this study can help the COVID-19 screening process to be fast and with accurate results.