Image of IDENTIFIKASI DAN DETEKSI OTOMATIS TERHADAP KARIES GIGI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK
Bookmark Share

Skripsi

IDENTIFIKASI DAN DETEKSI OTOMATIS TERHADAP KARIES GIGI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Deteksi karies gigi masih menjadi tantangan karena bergantung pada interpretasi visual subjektif, yang dapat menyebabkan inkonsistensi. Metode deep learning, khususnya Convoulutional Neural Network (CNN), telah menunjukkan potensi besar dalam meningkatkan akurasi diagnostik berbasis radiografi. Tujuan: Untuk meninjau literatur terkini mengenai aplikasi deep learning dalam deteksi karies gigi otomatis pada radiografi intraoral dan CBCT. Metode: Tinjauan ini menggunakan pendekatan PICO. Pencarian literatur dilakukan melalui PubMed, ScienceDirect, dan Google Scholar untuk studi yang diterbitkan antara tahun 2022 dan 2025. Kriteria inklusi mencakup studi kuantitatif berbahasa Inggris yang menggunakan model berbasis CNN untuk deteksi karies dengan hasil yang dapat diukur. Dari 50 studi yang awalnya diidentifikasi, 13 memenuhi kriteria kelayakan dan dianalisis. Hasil: Sebagian besar studi melaporkan akurasi, sensitivitas, dan spesifisitas yang tinggi menggunakan arsitektur CNN. Model seperti UNet, ResNet, Faster R-CNN, Mask-RCNN, YOLOv5, dan Inception-v3 menunjukkan kinerja yang kuat, dengan beberapa di antaranya mencapai akurasi di atas 95%. Rontgen bitewing merupakan teknik yang paling sering digunakan, meskipun gambar periapikal, foto intraoral, dan pemindaian CBCT juga menunjukkan kemampuan diagnostik yang menjanjikan. Kesimpulan: Sistem berbasis CNN menunjukkan potensi yang signifikan sebagai alat diagnostik tambahan untuk deteksi karies, menawarkan kinerja cepat dan konsisten sambil mengurangi beban kerja klinisi. Namun, variabilitas dalam dataset, perbedaan metodologis, dan biaya implementasi tetap menjadi batasan untuk adopsi klinis yang luas.

Availability
#
Central Library (Reference) T1951072025
T195107
Available but not for loan - Not for Loan
Detail Information
Series Title
-
Call Number
T1951072025
Publisher
Indralaya : Prodi Kedokteran Gigi dan Mulut, Fakultas Kedokteran Universitas Sriwijaya.,
Collation
iv, 93 hlm.; ilus.; 29 cm
Language
Indonesia
ISBN/ISSN
-
Classification
006.310 7
Content Type
Text
Media Type
unmediated
Carrier Type
-
Edition
-
Subject(s)
Prodi Kedokteran Gigi dan Mulut
Deep Learning
Specific Detail Info
-
Statement of Responsibility
Other version/related
File Attachment
Comments
You must be logged in to post a comment