DETEKSI PENYAKIT MATA ABLASI RETINA PADA CITRA DIGITAL FUNDUS MENGGUNAKAN PROSES ANALISIS CITRA DIGITAL SEBAGAI LANGKAH AWAL MENCEGAH KEBUTAAN PASIEN
Abstrak
Penelitian Deteksi Penyakit Ablasi Retina pada Citra Digital Fundus Menggunakan Proses Analisis Citra Digital Sebagai Langkah Awal Mencegah Kebutaan Pasien memiliki keterkaitan yang kuat dengan kebijakan Pemerintah Provinsi Jawa Tengah dalam bidang kesehatan, transformasi digital, dan penguatan inovasi daerah. Ablasi retina merupakan kondisi serius yang dapat menyebabkan kehilangan penglihatan permanen apabila tidak terdeteksi secara dini. Oleh karena itu, pengembangan metode deteksi otomatis berbasis analisis citra digital dapat mendukung upaya peningkatan kualitas layanan kesehatan mata di Jawa Tengah. Penelitian ini sejalan dengan kebijakan transformasi digital sektor kesehatan melalui pemanfaatan teknologi kecerdasan buatan dan pengolahan citra untuk membantu tenaga medis melakukan skrining secara lebih cepat, akurat, dan efisien. Sistem yang dihasilkan berpotensi diterapkan pada rumah sakit, klinik, maupun puskesmas sehingga dapat memperluas akses layanan kesehatan mata, terutama di wilayah yang memiliki keterbatasan tenaga spesialis.
Selain itu, penelitian ini mendukung program pencegahan kebutaan dan peningkatan derajat kesehatan masyarakat. Deteksi dini memungkinkan pasien memperoleh penanganan lebih cepat sehingga risiko komplikasi dan kecacatan dapat diminimalkan. Dampak jangka panjangnya adalah meningkatnya produktivitas dan kualitas hidup masyarakat Jawa Tengah. Dari aspek riset dan inovasi, penelitian ini mendukung penguatan ekosistem inovasi daerah melalui kolaborasi antara perguruan tinggi, fasilitas kesehatan, dan pemerintah daerah. Hasil penelitian dapat menjadi dasar pengembangan teknologi kesehatan yang dapat diimplementasikan secara nyata dalam pelayanan publik. Dengan demikian, penelitian ini berkontribusi terhadap pencapaian tujuan pembangunan daerah Jawa Tengah, khususnya dalam peningkatan kualitas layanan kesehatan, transformasi digital, pengembangan inovasi berbasis teknologi, serta peningkatan kualitas sumber daya manusia yang sehat dan produktif. Penelitian lanjutan akan dikembangkan metode deteksi menggunakan algoritma Deep Learning.
Referensi
Koh, Joel En Wei et al. 2020. “A Novel Hybrid Approach for Automated Detection of Retinal Detachment Using Ultrasound Images.” Computers in Biology and Medicine 120(January): 103704. https://doi.org/10.1016/j.compbiomed.2020.103704.
Li, Jianyong et al. 2025. “An Adaptive Fundus Retinal Vessel Segmentation Model Capable of Adapting to the Complex Structure of Blood Vessels.” Biomedical Signal Processing and Control 101(April 2024).
Priyadharsini, R., and T. Sree Sharmila. 2019. “Object Detection in Underwater Acoustic Images Using Edge Based Segmentation Method.” Procedia Computer Science 165: 759–65. https://doi.org/10.1016/j.procs.2020.01.015.
Sabatino, Francesco, Philip Banerjee, and Mahiul M. Mahiul. 2024. “Clinical Therapeutics for Proliferative Vitreoretinopathy in Retinal Detachment.” Survey of Ophthalmology 69(4): 508–20. https://doi.org/10.1016/j.survophthal.2024.03.007.
Savastano, Maria Cristina et al. 2024. “Prediction of Postoperative Visual Acuity Restoration in Macula off Rhegmatogenous Retinal Detachment Using Artificial Intelligence.” AJO International 1(1): 100008. https://doi.org/10.1016/j.ajoint.2024.100008.
Wang, Sean K. et al. 2022. “Single-Cell Multiome of the Human Retina and Deep Learning Nominate Causal Variants in Complex Eye Diseases.” Cell Genomics 2(8): 100164. https://doi.org/10.1016/j.xgen.2022.100164.
Xiao, Wenbo, and Yaolei Lyu. 2024. “Human Computer Interaction Product for Infrared Thermographic Fundus Retinal Vessels Image Segmentation Using U-Net.” Journal of Radiation Research and Applied Sciences 17(3): 101003. https://doi.org/10.1016/j.jrras.2024.101003.
Xu, Yongli et al. 2024. “Deep Learning for Predicting Circular Retinal Nerve Fiber Layer Thickness from Fundus Photographs and Diagnosing Glaucoma.” Heliyon 10(13): e33813. https://doi.org/10.1016/j.heliyon.2024.e33813.