Sistem bantu berbasis AI yang menggabungkan segmentasi U-Net, transfer learning
multi-arsitektur, interpretabilitas Grad-CAM, dan rekomendasi penanganan awal
dari Gemini 3.5 Flash dalam satu alur kerja terpadu.
01 — SEGMENTASI
U-Net
Isolasi area luka dari latar belakang kulit sehat.
Citra input beresolusi 224 × 224 piksel dinormalisasi ke rentang [0, 1] dan diproses oleh arsitektur encoder–decoder U-Net untuk menghasilkan binary mask (hitam–putih) yang memisahkan piksel area luka dari kulit sehat di sekitarnya.
Citra luka diekstraksi fiturnya menggunakan model terbaik hasil komparasi transfer learning (EfficientNet) untuk menghitung distribusi probabilitas pada 10 kelas luka kulit (Abrasions, Burns, Cut, Laceration, Bruises, Diabetic, Pressure, Surgical, Venous, dan Normal Skin).
03 — INTERPRETASI
Grad-CAM
Peta panas area fokus pengambilan keputusan model.
Gradient-weighted Class Activation Mapping menghitung gradien skor kelas prediksi terhadap lapisan konvolusi terakhir (top_activation) untuk memvisualisasikan heatmap merah–kuning pada area citra yang paling menentukan keputusan model.
04 — REKOMENDASI
LLM Gemini
Informasi penanganan awal dalam bahasa alami.
Label hasil klasifikasi, persentase area luka dari U-Net, serta citra visualisasi Grad-CAM dikirimkan sebagai prompt multimodal ke Gemini 3.5 Flash untuk menyusun ringkasan kondisi, langkah penanganan awal, dan tanda bahaya medis secara interaktif.
Unggah Citra Luka
Format JPG, JPEG, atau PNG — resolusi minimal 224 × 224 piksel.
Tarik & letakkan citra luka di sini
atau klik untuk memilih file dari perangkat Anda
.JPG.JPEG.PNG≤ 10 MB
Memproses citra luka…
0%
Segmentasi U-Net — mengisolasi area luka
Klasifikasi transfer learning — 10 kelas luka
Grad-CAM — memetakan area fokus model
Gemini 3.5 Flash — menyusun rekomendasi
Gambar yang diunggah bukan Luka
Hasil Analisis
Ringkasan komprehensif dari pipeline segmentasi, klasifikasi, interpretasi, dan rekomendasi.
Segmentasi U-Net & Interpretasi Grad-CAM
U-Net Binary Mask · Explainable AI Heatmap (224 × 224)
—Fokus XAI —
Citra Asli
INPUT (224×224)
Mask
U-NET MASK
Heatmap Grad-CAM
GRAD-CAM
Biru (U-Net): Persentase luas area luka hasil segmentasi binary mask
Kuning (Grad-CAM / XAI): Persentase area fokus utama (merah–kuning) perhatian model
Klasifikasi Jenis Luka
Best Model · 10 Kelas
EfficientNet-B1
Prediksi Utama
—
—
Rekomendasi Penanganan Awal
Gemini 3.5 Flash · LLM
Live
gemini-3.5-flash · multimodal prompt
Ringkasan Kondisi
Menunggu hasil klasifikasi…
Langkah Penanganan Awal
—
Kapan Harus ke Tenaga Medis
—
Output ini bersifat informatif sebagai alat bantu dan bukan pengganti diagnosis medis profesional.
Terima kasih telah menggunakan WoundVue! Kami adalah tim developer yang bersemangat menciptakan solusi kesehatan berbasis AI yang mudah digunakan. Setiap fitur dirancang dengan cermat untuk membantu Anda mendapatkan informasi perawatan luka yang cepat. Saran dan feedback Anda sangat berarti bagi kami!