AI-Assisted Radiology: Sistem Pintar Analisis CT Scan untuk Kelainan Ginjal
Proyek ini menampilkan sistem pendukung diagnosis radiologi berbasis AI untuk mendeteksi dan menyegmentasi kelainan struktural pada ginjal, seperti kista, tumor, dan batu ginjal melalui citra CT Scan. Dengan menggabungkan model deteksi objek YOLOv8-L dan model segmentasi presisi MedSAM, sistem ini dirancang untuk mengatasi masalah domain shift (perbedaan data publik vs. klinis) melalui teknik transfer learning, memberikan hasil analisis medis yang cepat, objektif, dan akurat untuk membantu pekerjaan radiolog.
Tech Stack
Penyakit Ginjal Kronis (PGK) merupakan tantangan klinis yang membutuhkan deteksi dini dan akurat. Citra CT scan resolusi tinggi sangat ideal untuk memvisualisasikan morfologi ginjal secara non-invasif. Namun, untuk mendapatkan informasi kuantitatif, diperlukan proses segmentasi organ dan lesi (kista, tumor, batu ginjal).
Secara tradisional, segmentasi dilakukan secara manual, yang memakan waktu lama dan sangat bergantung pada subjektivitas serta keahlian radiolog. Oleh karena itu, otomatisasi berbasis AI menjadi solusi yang sangat dibutuhkan. Sayangnya, banyak model AI medis menghadapi masalah Pergeseran Domain (Domain Shift), di mana model yang dilatih dengan dataset publik gagal mempertahankan performanya saat dihadapkan pada data klinis privat/lokal yang memiliki karakteristik berbeda.