Model ini memiliki ukuran input (H:512, W:288 , C:3), sehingga gambar akan selalu diubah ukurannya menjadi 288x512 (Lebar x Tinggi), yaitu rasio 9:16
* Terapkan VOI LUT : menerapkan fungsi VOI LUT dari DICOM
* Perbaiki interpretasi MONOCHROME1 : melakukan inversi negatif jika gambar DICOM dalam interpretasi MONOCHROME1
* Padding ke rasio aspek 9:16 : padding sehingga gambar tidak terdistorsi saat diubah ukurannya
* Pemangkasan ROI Payudara : memangkas hanya wilayah payudara dari gambar, mengurangi piksel yang tidak terpakai

Model akan memprediksi kasus mamografi menjadi dua klasifikasi : BI-RADS dan rekomendasi tindakan. Dimana BI-RADS adalah klasifikasi utama yang digunakan untuk melatih model, dan rekomendasi tindakan adalah klasifikasi sekunder yang dihitung dari prediksi BI-RADS.

INFO : Ini akan diterapkan pada kedua gambar

The model have (H:512, W:288 , C:3) input size, so images will always be resized to 288x512 (Width x Height),i.e, 9:16 ratio
* Apply VOI LUT : applying VOI LUT function from DICOM
* Fix MONOCHROME1 interpretation : do negative inversion if DICOM images are in MONOCHROME1 interpretation
* Padding to 9:16 aspect-ratio : padding so that the image is not distorted when resized
* Breast ROI Crop : crop breast region only from the images, reducing unused pixels

The model will predict the mammography case into two classification : BI-RADS and recommended action. Where BI-RADS is the primary classification which the model trained on, and recommended action is a secondary classification calculated from BI-RADS prediction.

INFO : This will apply on both images