Implementasi Convolutional Neural Network Untuk Deteksi Nyeri Bayi Melalui Citra Wajah Dengan YOLO
| Autor: | Arie Kusumaningrum, Tomy Abuzairi, Yeni Rustina, Nurdina Widanti |
|---|---|
| Jazyk: | indonéština |
| Rok vydání: | 2021 |
| Předmět: |
nvdia jetson nano developer kit
pain baby yolo pytorch cnn facial expresion education.field_of_study medicine.medical_specialty Facial expression Recall Population Information technology Audiology T58.5-58.64 Convolutional neural network NVDIA Jetson Nano Developer Kit Nyeri bayi YOLO Pytorch CNN Ekspresi Wajah Systems engineering Pain responses TA168 Pain assessment medicine education Psychology Value (mathematics) |
| Zdroj: | Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), Vol 5, Iss 4, Pp 624-630 (2021) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi); Vol 5 No 4 (2021): Agustus 2021; 624-630 Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi); Vol 5 No 4 (2021): Agustus 2021 ; 624-630 |
| ISSN: | 2580-0760 |
| Popis: | Pain in a baby is difficult to detect is because the method for detecting pain is self-reporting even though babies themselves still cannot describe the pain verbally, then by observing changes in behavior in the form of facial expressions. Statistically, it is also recorded that about 80% of the world's population pays less attention to pain assessment, especially for children, even though this pain gives children a bad experience so that it can interfere with pain responses in the future or psychological trauma. Based on these problems, a prototype system was made using the NVIDIA Jetson Nano Developer kit to help detect pain, especially in infants 0-12 months by using the Convolutional Neural Network (CNN) model with the PyTorch framework and the You Only Look Once (YOLO) algorithm with three detection classification is sad, neutral and sick. From the results of the study, it was found that the YOLO algorithm was able to detect the three classifications with a sad mAP value of 77.8%, neutral 76.7%, in pain 68.9%. With a precision value of 71.4%, recall 62.5% and f1-score 66.6%. The average value of Confidence is 53.57%. Rasa nyeri yang kerap kali dirasakan oleh bayi dan sulit dideteksi hal ini dikarenakan metode untuk mendeteksi rasa sakit bersifat self reporting padahal untuk bayi sendiri masih belum dapat menjabarkan rasa sakit tersebut dengan verbal, maka dengan mengamati perubahan perilaku berupa ekpresi wajah. Secara statistic juga tercatat sekitar 80% dari populasi dunia kurang memperhatikan penilaian rasa sakit terutama terhadap anak-anak padahal rasa nyeri ini memberi pengalaman yang buruk pada anak, sehingga dapat mengganggu respon nyeri di kemudian hari atau trauma psikis. Berdasarkan permasalahan tersebut maka dibuatlah sebuah prototype system dengan menggunakan NVIDIA Jetson Nano Developer kit untuk membantu mendeteksi rasa sakit terutama pada bayi 0-12 bulan dengan menggunakan model Convolutional Neural Network (CNN) dengan framework pytorch dan algoritma You Only Look Once (YOLO) dengan tiga klasifikasi pedeteksi yaitu sedih, netral dan sakit. Dari hasil penelitian diperoleh hasil bahwa algoritma YOLO sudah dapat mendeteksi ke tiga klasifikasi tersebut dengan nilai mAP sedih 77,8%, netral 76,7%, pada sakit 68,9%. Dengan nilai presisi sebesar 71,4%, recall 62,5% dan f1-score 66,6%. Untuk nilai rata-rata Confidence sebesar 53,57%. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|