Kursus Deep Learning Citra Medis: Hybrid CNN-LSTM untuk Deteksi Dini Pneumonia
Di kursus ini Anda membangun sistem deteksi pneumonia dari rontgen dada dengan PyTorch, mengikuti alur penelitian sungguhan: dataset medis standar, praproses CLAHE, CNN baseline, model usulan hybrid CNN-LSTM, pelatihan dengan bobot kelas dan early stopping, lalu evaluasi klinis dan Grad-CAM.
Materi mengikuti seri video Hybrid CNN-LSTM untuk Deteksi Dini Penyakit Paru (6 modul). Modul 1 bisa ditonton gratis.
Hasil yang Dicapai
- Sensitivitas 98,5% dan ROC-AUC 0,970 pada data uji (CNN baseline 96,7% / 0,966).
- Akurasi validasi model terbaik sekitar 97%.
- Seluruh pelatihan di bawah 1 menit di CPU.
Apa yang Dipelajari
- Dataset PneumoniaMNIST (MedMNIST) dan ketidakseimbangan kelas.
- CLAHE, normalisasi, dan augmentasi dengan OpenCV; Dataset & DataLoader PyTorch.
- CNN dengan BatchNorm dan dropout sebagai model pembanding.
- Arsitektur CNN-LSTM: peta fitur sebagai urutan, LSTM dua arah.
- Bobot kelas, ReduceLROnPlateau, early stopping, checkpoint terbaik.
- Sensitivitas, spesifisitas, ROC-AUC, threshold Youden, dan Grad-CAM.
Untuk Siapa?
Mahasiswa S1/S2 yang menyusun skripsi atau tesis AI medis, peneliti dan dosen, tenaga informatika kesehatan, serta developer AI.
Dataset dan file project tersedia khusus untuk pelanggan premium. Butuh pendampingan riset? Lihat jasa riset AI citra medis.









