Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Transkrip
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Tampilkan transkrip
Pembuka
Inilah hasil akhirnya, ribuan citra rontgen dada anak, dikelompokkan menjadi paru normal dan paru dengan pneumonia, lengkap dengan statistik dan visualisasinya. Ini adalah langkah pertama seri kita membangun model hybrid CNN-LSTM untuk deteksi dini penyakit paru. Ayo kita mulai. Halo, selamat datang di seri tutorial riset AI, pengembangan model hybrid CNN-LSTM untuk deteksi dini penyakit paru berbasis citra medis. Pneumonia adalah salah satu penyebab utama kematian anak di dunia, dan rontgen dada adalah cara diagnosis yang paling umum. Di seri 6 episode ini kita membangun sistem deteksi otomatis, dari memahami data set, praproses citra, model CNN-Pembanding, arsitektur hybrid CNN-LSTM, pelatihan, sampai evaluasi klinis dan grade cam. Di episode pertama ini kita mengenal datanya. Kita buka terminal lewat menu terminal, new terminal, lalu pasang library yang dibutuhkan seri ini.
Langkah 1: Memasang library
Torque, matemnis, openpethon, scikit-learn, dan matplotlib. Matemnis adalah kumpulan deta set citra medis standar yang banyak dipakai di penelitian, dan salah satunya pneumonia amnis, berisi rontgen dada anak dari deta set asli 5800 lebih citra. Buat file data underscore paru dot py.
Langkah 2: Fungsi memuat dataset
Isinya fungsi muat yang mengambil satu bagian data, latih, validasi, atau uji, dalam ukuran 64x64 piksel. Saat pertama dijalankan, data diunduh otomatis sekitar 20MB, lalu disimpan di cace. Kita juga mendefinisikan nama kelas, 0 untuk normal, 1 untuk pneumonia. File ini akan dipakai ulang di semua episode berikutnya. Sekarang buat file eksplorasi dot py.
Langkah 3: Ukuran dan pembagian data
Kita muat ketiga bagian data dan cetak ukurannya, 4708 citra latih, 524 validasi, dan 624 uji. Pembagian ini sudah disediakan, sehingga hasil penelitian kita bisa dibandingkan dengan penelitian lain. Setiap citra bertipe UIN8 dengan nilai piksel 0 sampai 255. Perhatikan distribusi kelasnya.
. Langkah 4: Ketidakseimbangan kelas
Di data latih, pneumonia sekitar 74%, normal hanya 26%. Data tidak seimbang. Ini penting, model yang selalu menebab pneumonia sudah mendapat akurasi 74%. Karena itu nanti kita memakai bobot kelas, dan menilai model dengan sensitivitas, spesifisitas, dan AUC, bukan akurasi saja. Data uji punya proporsi berbeda, 62% pneumonia.
Langkah 5: Melihat citra rontgen
Mari lihat citranya. Kita ambil 6 contoh acak dari tiap kelas. Paru normal terlihat gelap dan jernih karena berisi udara, sedangkan paru pneumonia tampak lebih putih berkabut, akibat cairan atau peradangan yang disebut infiltrat. Pola kabut inilah yang harus dipelajari model. Terakhir, dua grafik statistik, diagram batang distribusi kelas, dan histogram rata-rata kecerahan setiap citra.
Langkah 6: Statistik kecerahan citra
Citra pneumonia cenderung sedikit lebih terang, tapi kedua kelas sangat tumpang tindih. Artinya kecerahan saja tidak cukup, kita butuh model yang memahami pola spasial, yaitu CNN.
Selesai!
Selesai. Kita sudah memasang librari, memuat pneumonia emnis, memeriksa pembagian dan ketidakseimbangan kelas, serta melihat perbedaan visual paru normal dan pneumonia. Di episode berikutnya kita melakukan praproses citra medis, CLAHI untuk meningkatkan kontras, normalisasi, dan augmentasi. Sedang menyusun skripsi, tesis, atau riset AI di bidang citra medis? Cerdas inovasi digital membantu implementasi deep learning, dari CNN, LSTM, model hybrid, sampai interpretasi grade cam dan penulisan hasil, serta membuka kursus deep learning dengan Python. Ingin menguasai seluruh seri ini, dari dataset Rondgen sampai evaluasi dan grade cam? Semua 6 episode, lengkap dengan PDF panduan langkah demi langkah dan source code, tersedia untuk pelanggan tutorial premium. Berlangganan mulai Rp69.000 per bulan, hemat 28% dengan paket 12 bulan, atau sekali bayar Rp999.000 untuk akses seumur hidup. Mau satu kelas saja? Beli kelas satuan dengan akses selamanya. Langganan sekarang di halaman premium cerdasinovasidigital.com Hubungi WhatsApp kami, atau kunjungi cerdasinovasidigital.com Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton!
Tanya materi kelas
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan saya
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Tanya jawab
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.
Pengajar
Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
52 kelas video1.276 episode
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
