Memuat
Memuat
Klasifikasikan aritmia jantung dari rekaman EKG: database MIT-BIH, kelas AAMI dan pembagian inter-pasien, filter & segmentasi beat, wavelet DWT dan scalogram CWT, SVM & Random Forest, CNN 1D & 2D, sampai evaluasi per kelas dan saliency map.
Geser untuk melihat kurikulum dan hasil setiap modul.
Beat berlabel dari 44 pasien MIT-BIH
Beat ventrikular terdeteksi pada pasien baru
F1 makro terbaik (SVM wavelet + RR)
Evaluasi jujur: pasien uji tidak pernah dilihat
Enam modul berurutan mengikuti alur penelitian klasifikasi EKG sungguhan, setiap modul menghasilkan kode yang berjalan dan grafik yang siap dipakai di laporan.
Gelombang P-QRS-T, kelas AAMI, dan pembagian DS1/DS2.
Bandpass 0,5–40 Hz, segmentasi beat, dan fitur interval RR.
Fitur DWT Daubechies-4 dan scalogram CWT Morlet.
SVM dan Random Forest dengan bobot kelas seimbang.
CNN untuk bentuk beat dan scalogram, digabung fitur RR.
Sensitivitas, positive predictivity, F1 makro, saliency map.
Video 6–13 menit per modul, lengkap dengan PDF panduan. Modul 1 bisa ditonton gratis.
Kerangka penelitian klasifikasi EKG lengkap: metode pembanding, metode usulan, eksperimen, dan evaluasi siap bab 4.
Kode PyWavelets & PyTorch yang rapi dan mudah diganti data, parameter, atau metodenya untuk publikasi.
Memahami cara kerja klasifikasi EKG dari teori sampai implementasi yang bisa dicoba sendiri.
Praktik PyWavelets & PyTorch pada studi kasus nyata, bukan sekadar contoh mainan.
Kami membantu implementasi model, eksperimen, evaluasi, dan penulisan hasil untuk skripsi, tesis, maupun publikasi.
Lihat Jasa Riset Sinyal BiomedisYa. Alurnya mengikuti penelitian sungguhan: metode pembanding, metode usulan, eksperimen, evaluasi, dan analisis hasil yang bisa langsung menjadi kerangka bab 3 dan bab 4.
MIT-BIH Arrhythmia Database, PhysioNet (Moody & Mark, 2001), lisensi ODC-By. Data yang dipakai disertakan di file project sehingga hasilnya bisa diulang.
Ya. Pelanggan Kelas Premium dan pembeli kelas mendapat zip berisi dataset dan seluruh source code dari keenam modul, diunduh lewat link aman dari halaman kelas.
Dasar Python, Python 3.10+, dan VS Code. Library yang dipakai: wfdb scipy PyWavelets scikit-learn torch matplotlib.
Ada. Modul 1 bisa ditonton gratis di halaman kelas; modul berikutnya untuk pelanggan Kelas Premium atau pembeli kelas.
Ya, tersedia kelas live online dan jasa pendampingan riset sinyal biomedis untuk skripsi, tesis, maupun publikasi.
Konsultasikan topik penelitian Anda, kami bantu pilihkan paket belajar yang paling sesuai.
Konsultasi Gratis