The Effects of Preprocessing Techniques on Nasnetmobile’s Performance for Classifying Knee Osteoarthritis Based on the Kellgren-Lawrence System

Abstract

Osteoartritis lutut (KOA) adalah kelainan sendi degeneratif yang ditandai dengan kerusakan progresif tulang rawan pelindung di ujung tulang, yang mengakibatkan nyeri dan keterbatasan mobilitas. Pembelajaran mendalam memberikan pendekatan yang efektif untuk mengklasifikasikan tingkat keparahan KOA; namun, praproses kumpulan data dapat meningkatkan kemanjuran model pembelajaran mendalam. Studi ini menunjukkan pentingnya praproses, khususnya dalam memanfaatkan model NASNetMobile untuk menilai tingkat keparahan KOA melalui gambar sinar-X. Klasifikasi KOA terdiri dari lima tingkat keparahan yang meningkat; namun, pendekatan ini mengurangi kumpulan data menjadi dua kategori. Teknik praproses digunakan untuk meningkatkan kontras dalam gambar sinar-X dan menyorot area yang diinginkan. Dengan menyempurnakan sebagian model NASNetMobile, menggabungkan pengoptimal Nadam, model tersebut hanya mencapai akurasi validasi 59%; namun, dengan menggunakan berbagai fungsi praproses, model tersebut mencapai akurasi validasi 80%.