Hibah Internal Udinus
2026
Pipeline Citra X-Ray Toraks Lintas-Rumah Sakit Berbasis Self-Supervised Learning untuk Deteksi Triase TB, Deteksi Kelainan, dan Laporan Radiologi Terkalibrasi dengan Kuantisasi Pemrosesan Paralel
- Tim Peneliti / Pelaksana
- Catur Supriyanto, Abu Salam, Ika Novita Dewi, Danang Wahyu Utomo, Cinantya Paramitha, Junta Zeniarja
- Skema / Program
- Penelitian Hibah Kelompok Keilmuan
Abstrak / Deskripsi
Penelitian ini berada dalam payung kelompok keilmuan Intelligent Distributed Surveillance and Security (IDSS) – Dinus Research Group for AI in Medical Science (DREAM) yang berfokus pada pengembangan Medical AI end-to-end, mulai dari akuisisi data hingga deployment klinis yang aman dan terukur. Usulan riset ini mengembangkan pipeline citra X-ray toraks lintas-rumah sakit berbasis self-supervised learning untuk tiga fungsi utama: deteksi triase tuberkulosis (TB), deteksi kelainan paru multipel, dan generasi laporan radiologi terkalibrasi. Secara teknis, penelitian ini akan mengembangkan HyFusion v2, modul preprocessing adaptif berbasis metadata DICOM yang memvalidasi generalisasi lintas dataset dan menormalkan kualitas citra multi-sumber sebagaifondasi engine CXR di ekosistem OncoDoc AI. Berdasarkan modul ini, dibangun rangkaian model:(1) segmentasi dan klasifikasi TB menggunakan DeepLabv3–ResNet50 dan strategi self-supervised; (2) deteksi abnormalitas paru menggunakan YOLOv8 dengan penyetelan hiperparameter untuk meningkatkan sensitivitas lesi kecil; serta (3) generasi laporan radiologi berbasis grounding visual menggunakan MAIRA-2 yang diintegrasikan dengan skema human-in-the-loop untuk validasi klinis. Seluruh model selanjutnya dioptimalkan melalui quantization dan parallel computing (AWQ, VLLM) agar dapat di-deploy pada lingkungan komputasi terbatas di rumah sakit daerah. Dengan demikian, usulan ini secara langsung memperkuat roadmap DREAM pada pilar Medical AI for image processing dan multimodal medical AI, serta mendukung visi pengembangan produk OncoDoc/OncoPath sebagai platform kecerdasan buatan onkologi dan penyakit paru yang explainable, interoperabel, dan siap regulatori. Luaran yang ditargetkan mencakup artikel jurnal internasional bereputasi (Clinical imaging, Emergency radiology, Healthcare Informatics Research, Polish journal of radiology, dan South African journal of radiology), prototipe modul CXR engine terintegrasi dalam ekosistem OncoDoc, serta dataset CXR teranotasi dan terdokumentasi yang siap digunakan untuk perluasan riset Medical AI di kelompok keilmuan DREAM.