Melola Discovery

← Melola Discovery

Akses terbuka Jurnal

Convolutional Neural Networks in Medical Image Understanding

Aptisi Transactions on Technopreneurship (ATT) · Vol. 3 No. 2 (2021) · hlm. 120–126

DOI
10.34306/att.v3i2.188
ISSN
2656-8888, 2655-8807
Terbit
2021-09-01
Penerbit
Pandawan
Bahasa
en
Lisensi
creativecommons.org/licenses/by/4.0

Abstrak

In the era of social media images/pictures play a vital role. Facebook, whatsapp, instagram everywhere we see a lot of pictures nowadays. Along with social media, the pictures play a very important role in medical science. Medical Image can help in diagnosis, clinical treatment and teaching tasks. Traditional classification of images has reached an end because of its time taking nature and efforts made to extract, select and classify. This problem is solved with the help of CNN(Convolutional neural network).In medical science we have treatment for body anomalies that were not there before.Using the deep learning models of CNN we can detect the disease like Cancer,Lung Infection and treat it. This article aims to provide a comprehensive survey of applications of CNNs in medical image understanding.

Kata kunci

Jaringan kolaborasi para penulis

40 penulis · 95 tautan kepenulisan bersama · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Universitas Raharja
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Kawal AroraAfiliasi tidak diketahui3
Bhupesh RawatAfiliasi tidak diketahui3
Tuti NurhaeniAfiliasi tidak diketahui2
Alfri AdiwijayaAfiliasi tidak diketahui2
Ihsan Nuril HikamAfiliasi tidak diketahui2
Roshan PrakashAfiliasi tidak diketahui2
Saksham ChaurasiaAfiliasi tidak diketahui2
Dwi JulianingsihAfiliasi tidak diketahui2
Dedeh SupriyantiAfiliasi tidak diketahui2
Ninda LutfianiUniversitas Raharja1
Ankur SinghAfiliasi tidak diketahui1
Widya FebrianiAfiliasi tidak diketahui1
Nuke Puji Lestari SantosoAfiliasi tidak diketahui1
Amitkumar DudhatAfiliasi tidak diketahui1
Husni Teja SukmanaAfiliasi tidak diketahui1
Aditya MardiansyahAfiliasi tidak diketahui1
Dewi ImmaniarAfiliasi tidak diketahui1
Nanda SeptianiAfiliasi tidak diketahui1
Nur AzizahAfiliasi tidak diketahui1
Hilda HildaAfiliasi tidak diketahui1
Aan KaniviaAfiliasi tidak diketahui1
Muhammad Faizal FazriAfiliasi tidak diketahui1
Sabda MaulanaAfiliasi tidak diketahui1
Hetilaniar HetilaniarAfiliasi tidak diketahui1
Semaria Eva Elita GirsangAfiliasi tidak diketahui1
Souza Nurafrianto Windiartono PutraAfiliasi tidak diketahui1
Kawl W KartsAfiliasi tidak diketahui1
Srishti BiswasAfiliasi tidak diketahui1
Ritesh MishraAfiliasi tidak diketahui1
Mukti BudiartoUniversitas Raharja1
Ari AsmawatiAfiliasi tidak diketahui1
Prakriti RashiAfiliasi tidak diketahui1
Wahyu Yustika PrihastiwiAfiliasi tidak diketahui1
Greisy JacquelineAfiliasi tidak diketahui1
Goh YaoAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://att.aptisi.or.id/index.php/att/oai, pertama di-harvest 6 Nov 2026, terakhir terlihat 8 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">Convolutional Neural Networks in Medical Image Understanding</dc:title>
	<dc:creator xml:lang="en">Upreti, Megha</dc:creator>
	<dc:creator xml:lang="en">Pandey, Chitra</dc:creator>
	<dc:creator xml:lang="en">Bist, Ankur Singh</dc:creator>
	<dc:creator xml:lang="en">Rawat, Buphest</dc:creator>
	<dc:creator xml:lang="en">Hardini, Marviola</dc:creator>
	<dc:creator xml:lang="id">Hardini, Marviola</dc:creator>
	<dc:subject xml:lang="en">Feature extraction</dc:subject>
	<dc:subject xml:lang="en">CNN</dc:subject>
	<dc:subject xml:lang="en">Muli-layer Neural Network</dc:subject>
	<dc:subject xml:lang="en">Medical data analysis</dc:subject>
	<dc:description xml:lang="en">In the era of social media images/pictures play a vital&amp;nbsp; role. Facebook, whatsapp, instagram everywhere we see a lot of&amp;nbsp; pictures nowadays. Along with social media, the pictures play a&amp;nbsp; very important role in medical science. Medical Image can help&amp;nbsp; in diagnosis, clinical treatment and teaching tasks. Traditional&amp;nbsp; classification of images has reached an end because of its time&amp;nbsp; taking nature and efforts made to extract, select and classify . This problem is solved with the help of CNN(Convolutional neural network).In medical science we have treatment for body&amp;nbsp; anomalies that were not there before .Using the deep learning&amp;nbsp; models of CNN we can detect the disease like Cancer ,Lung&amp;nbsp; Infection and treat it. This article aims to provide a&amp;nbsp; comprehensive survey of applications of CNNs in medical image&amp;nbsp; understanding.</dc:description>
	<dc:publisher xml:lang="en">Pandawan</dc:publisher>
	<dc:date>2021-09-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://att.aptisi.or.id/index.php/att/article/view/188</dc:identifier>
	<dc:identifier>10.34306/att.v3i2.188</dc:identifier>
	<dc:source xml:lang="en">Aptisi Transactions on Technopreneurship (ATT); Vol. 3 No. 2 (2021): September; 120-126</dc:source>
	<dc:source xml:lang="id">Aptisi Transactions On Technopreneurship (ATT); Vol 3 No 2 (2021): September; 120-126</dc:source>
	<dc:source>2656-8888</dc:source>
	<dc:source>2655-8807</dc:source>
	<dc:source>10.34306/att.v3i2</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://att.aptisi.or.id/index.php/att/article/view/188/147</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2021 Megha Upreti, Chitra Pandey, Ankur Singh Bist, Buphest Rawat, Marviola Hardini</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by/4.0</dc:rights>
</oai_dc:dc>