Detail Cantuman

Retinopati Diabetik merupakan salah satu komplikasi utama yang dihadapi penderita diabetes dan dapat menyebabkan kerusakan penglihatan yang serius. Penyakit ini menyumbang sekitar 2,6% dari total kasus kebutaan global. Pentingnya diagnosis dini pada tahap nonproliferatif sangatlah besar, karena dapat mencegah hingga 60% kasus kebutaan. Upaya mengatasi tantangan tersebut, teknologi Convolutional Neural Networks (CNN) seperti Mask Region Convolutional Neural Network (Mask R-CNN) telah menunjukkan potensi yang menjanjikan dalam analisis gambar medis. Mask R-CNN merupakan sebuah jaringan saraf yang mampu melakukan segmentasi dan pemisahan objek yang berbeda dalam gambar atau video dengan tingkat akurasi yang tinggi. Di sisi lain Extreme Gradient
Boosting (XGBoost) merupakan teknik yang menggabungkan Gradient Descent dan Boosting untuk meningkatkan akurasi dalam klasifikasi data. Kombinasi antara Mask R-CNN dan XGBoost telah menjadi fokus penelitian dalam mengidentifikasi retinopati diabetik, dan terus menjadi area penelitian yang menarik serta menantang dalam bidang ini. Dalam beberapa tahun terakhir, telah banyak publikasi ilmiah yang membahas tentang pemanfaatan kedua metode ini, baik dalam seminar, konferensi, maupun jurnal internasional. Hal ini menunjukkan minat yang tinggi
dalam mengembangkan solusi yang efektif untuk masalah identifikasi retinopati diabetik. Dengan terus menggali potensi kedua teknik tersebut, diharapkan dapat ditemukan solusi yang lebih baik dan akurat dalam mendeteksi serta mengatasi retinopati diabetik secara dini, sehingga mampu mencegah kehilangan penglihatan yang dapat terjadi pada jutaan penderita diabetes di seluruh dunia.