Evaluasi Komparatif Swin Transformer dan MedViT untuk Klasifikasi Citra Kanker Kandung Kemih

Abstract

Kanker kandung kemih merupakan salah satu kanker urologi dengan tingkat kejadian dan kekambuhan yang tinggi, sehingga memerlukan metode deteksi dini yang akurat dan stabil untuk mendukung pengambilan keputusan klinis. Perkembangan model deep learning berbasis transformer membuka peluang untuk meningkatkan akurasi klasifikasi citra medis. Penelitian ini bertujuan membandingkan kinerja dua arsitektur vision transformer, yaitu MedViT dan Swin Transformer, dalam mengklasifikasikan citra kanker kandung kemih ke dalam empat kelas: High-Grade Carcinoma (HGC), Low-Grade Carcinoma (LGC), Non-Specific Tumor (NST), dan Non-Tumor Lesion (NTL). Dataset citra diperoleh dari platform Kaggle pada bulan Juli 2024 dan terdiri atas 1.754 gambar, masing-masing HGC=469, LGC=647, NST=504, dan NTL=134 gambar. Dataset dibagi menjadi data latih, validasi, dan uji dengan rasio 70:15:15 menggunakan pembagian acak terkontrol. Proses preprocessing meliputi resizing, normalisasi piksel, serta augmentasi untuk meningkatkan generalisasi model. Evaluasi model menggunakan akurasi, precision, recall, F1-score, confusion matrix, dan ROC-AUC. Hasil eksperimen menunjukkan bahwa MedViT mencapai akurasi data uji sebesar 95,49% dengan rata-rata ROC-AUC 0,97, sedangkan Swin Transformer memperoleh performa lebih tinggi dengan akurasi 98,87% dan ROC-AUC sempurna sebesar 1,00 pada seluruh kelas. Selain itu, Swin Transformer menunjukkan stabilitas training yang lebih baik dibandingkan MedViT, terutama pada kelas minoritas. Berdasarkan temuan ini dapat disimpulkan bahwa Swin Transformer memiliki potensi lebih unggul untuk diterapkan pada sistem klasifikasi kanker kandung kemih, meskipun MedViT tetap menawarkan efisiensi perhitungan dan kemampuan integrasi fitur lokal- global