Penelitian ini bertujuan membedakan antara granuloma dan kista radikular, yang penting untuk menentukan jenis pengobatan. Meskipun biopsi bedah dan evaluasi histopatologi tetap menjadi standar utama diagnosis lesi periapikal, penelitian ini mengembangkan model Convolutional Neural Network (CNN) berbasis radiografi digital untuk membantu deteksi otomatis. Sebanyak 200 citra radiografi digital dengan konfirmasi histopatologi dikumpulkan dan diproses menggunakan metode transfer learning pada arsitektur CNN BaseNet, Inception V4, dan NASNet. Pelatihan lanjutan dilakukan dengan 100 gambar tambahan, dan augmentasi data diterapkan untuk mengatasi keterbatasan data pasien. Model CNN berhasil mengklasifikasikan lesi menjadi granuloma dan kista radikular, dengan akurasi tertinggi dicapai oleh Inception V4 (96%). Hasil ini menunjukkan bahwa CNN memiliki potensi besar sebagai alat bantu diagnosis diferensial lesi periapikal.
Oleh :
Dina Ratnasari
