Semua kelas Silabus Deep Learning CNN-LSTM Deteksi Pneumonia · Episode 4 dari 6

Kelas Deep Learning CNN-LSTM Deteksi Pneumonia #4: Arsitektur Hybrid CNN-LSTM: Fitur Spasial + Urutan

3 kali dilihat

Kelas arsitektur hybrid CNN-LSTM PyTorch bahasa Indonesia untuk citra medis: menggabungkan fitur spasial CNN dengan LSTM dua arah. Episode 4 seri deteksi pneumonia dari rontgen dada.

Software: Deep Learning (PyTorch)
Level: Mahir
Durasi: ± 7 menit
Total seri: 57 menit · 6 video
Terbit: 24 Oktober 2026

Episode 4 dari 6 · lihat silabus

Berlangganan ▶ Tonton video praktik0 kali ditonton

Memeriksa akses...

Ingin belajar lebih dalam?

Ikuti kursus kami atau tanyakan langsung lewat WhatsApp.

Lihat silabus lengkap 6 episode Lihat Kursus Deep Learning Tanya via WhatsApp

Kelas yang direkomendasikan untuk Anda

Dipilih dari software, topik, dan level “Kelas Deep Learning CNN-LSTM Deteksi Pneumonia #4: Arsitektur Hybrid CNN-LSTM: Fitur Spasial + Urutan”.

6 episodeAda gratis

Python · Menengah–Mahir

Peramalan Beban Listrik LSTM

6 episode video + PDF, total 53 menit. Dimulai dari: Data Beban Listrik per Jam: Pola Harian, Mingguan, dan Musiman.

53 menit 0 0

Lihat kelas

18 episodeAda gratis

Python · Pemula–Mahir

Machine Learning Python

18 episode video + PDF, total 3 jam 41 menit. Dimulai dari: Pengenalan Machine Learning & Model Pertama.

3 jam 41 menit 61 0

Lihat kelas

6 episodeAda gratis

Python · Menengah–Mahir

Transfer Learning Penyakit Daun

6 episode video + PDF, total 1 jam 5 menit. Dimulai dari: Dataset PlantVillage: Struktur Folder, Distribusi Kelas & Pembagian Data.

1 jam 5 menit 9 0

Lihat kelas

100 episodeAda gratis

Claude · Pemula–Mahir

Claude dari Nol sampai Mahir

100 episode video + PDF, total 15 jam 1 menit. Dimulai dari: Apa Itu Claude dan Bedanya dengan ChatGPT serta Gemini.

15 jam 1 menit 62 0

Lihat kelas

50 episodeAda gratis

Agentic AI · Pemula–Menengah

Agentic AI Tanpa Coding

50 episode video + PDF, total 14 jam 29 menit. Dimulai dari: Chatbot, Otomasi, dan AI Agent: Apa Bedanya?.

14 jam 29 menit 66 0

Lihat kelas

Optimasi Multi-Objektif NSGA-II MOPSO Hybrid

6 episodeAda gratis

Python · Menengah–Mahir

Optimasi Multi-Objektif NSGA-II MOPSO Hybrid

6 episode video + PDF, total 59 menit. Dimulai dari: Optimasi Multi-Objektif: Pareto Front, Dominasi, dan Fungsi Uji ZDT/DTLZ.

59 menit 9 0

Lihat kelas

Klasifikasi Aritmia EKG Wavelet Deep Learning

6 episodeAda gratis

Python · Menengah–Mahir

Klasifikasi Aritmia EKG Wavelet Deep Learning

6 episode video + PDF, total 56 menit. Dimulai dari: Sinyal EKG & EEG: Karakteristik dan Dataset Publik (MIT-BIH).

56 menit 2 0

Lihat kelas

6 episodeAda gratis

Python · Menengah–Mahir

Segmentasi Tumor Otak U-Net

6 episode video + PDF, total 1 jam 10 menit. Dimulai dari: Dataset MRI Otak & Mask Tumor: Memuat, Visualisasi & Pembagian per Pasien.

1 jam 10 menit 28 0

Lihat kelas

Butuh lebih dari video?

Pilihan lain dari kami untuk Python.

Belajar bareng mentor

Kursus AI & Kecerdasan Buatan terjadwal, dibimbing langsung, bersertifikat.

Kursus

Kursus Optimasi Multi-Objektif: NSGA-II, MOPSO & Algoritma Hybrid (Python)

Kursus

Kursus Klasifikasi Aritmia EKG dengan Wavelet & Deep Learning (PyTorch)

Kursus

Kursus ANFIS + PSO/GA untuk Peramalan Deret Waktu Non-Linear (Python)

Lihat semua AI & Kecerdasan Buatan →

Minta dibuatkan

Tidak sempat belajar Python? Tim kami bisa mengerjakan proyeknya.

Jasa

Jasa Machine Learning Python — Model Prediksi, Segmentasi Pelanggan, Deteksi Fraud & Aplikasi AI

Jasa

Jasa Pembuatan Gambar AI dengan Stable Diffusion — Produksi Visual Custom Tanpa Batas

★ 4.9

Jasa

Jasa Pembuatan Gambar & Video AI dengan Leonardo AI — Visual All-in-One untuk Bisnis

★ 4.9

Lihat semua AI & Kecerdasan Buatan →

Kabari saya kalau ada kelas Python baru

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, arsitektur hybrid CNN-LSTM yang kita rancang sendiri. CNN mengekstrak fitur spasial dari ronken, lalu LSTM dua arah membaca peta fitur itu baris demi baris, dari puncak paru sampai dasarnya, seperti mata dokter yang menyusuri citra. Kita juga memeriksa bentuk tensor di setiap tahap supaya tidak ada yang keliru. Ayo kita mulai. Halo, selamat datang di episode keempat seri model hybrid CNN-LSTM untuk deteksi dini penyakit paru. Inilah inti penelitian kita. CNN sangat baik mengenali pola lokal seperti tepi dan tekstur, tapi kurang memperhatikan hubungan antar bagian citra yang berjauhan. LSTM, jenis returrent neural network, unggul memahami urutan dan konteks. Dengan menggabungkan keduanya, model bisa melihat detail lokal sekaligus pola dari atas ke bawah paru.

Langkah 1: Bagian CNN

Buat file model underscore hybrid dot py. Bagian pertama adalah CNN yang sama dengan baseline, 3 block on to the, back norm, relu, dan max pull. Untuk citra 64x64, keluarannya adalah peta fitur 64 kanal berukuran 8x8. Memakai CNN yang sama membuat perbandingan dengan baseline menjadi adil. Perbedaan hasil benar-benar berasal dari tambahan LSTM. Bagian kedua adalah LSTM dua arah atau bidireksional.

Langkah 2: LSTM dua arah

Input saiznya 64 kanal x 8 kolom, yaitu 512, dengan hiden saiz 128. Karena dua arah, keluarannya 256. Satu arah membaca dari atas ke bawah, satu lagi dari bawah ke atas. Lalu drop out dan linear ke dua kelas. Kuncinya ada di metode forward.

Langkah 3: Peta fitur menjadi urutan

Peta fitur berbentuk back, kanal, tinggi, lebar. Dengan permute, kita pindahkan tinggi ke depan, lalu reshape, sehingga setiap baris peta fitur menjadi satu langkah waktu berisi 512 angka. Jadi LSTM membaca delapan langkah, masing-masing mewakili satu pita horizontal paru. Keluaran langkah terakhir dipakai untuk klasifikasi.

Langkah 4: Memeriksa bentuk tensor

Saat merancang arsitektur, selalu periksa bentuk tensor. Kita kirim back acak 4 citra, lalu cetak bentuk di setiap tahap. Input 4, 1, 64, 64, keluaran CNN 4, 64, 8, 8, urutan LSTM 4, 8, 512, dan keluaran akhir 4, 2. Jumlah parameternya sekitar 680 ribu, jauh lebih besar dari CNN baseline yang sekitar 32 ribu, karena bobot LSTM.

. Selesai!

Selesai. Kita sudah merancang arsitektur hybrid CNN LSTM, memahami cara mengubah peta fitur menjadi urutan, memakai LSTM dua arah, dan memverifikasi bentuk tensor. Di episode berikutnya kita melatih model ini dengan bobot kelas, learning rate scheduler, dan early stopping. 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 enam 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

53 kelas video1.296 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.

Lihat klien kami →

Memuat

Kelas yang direkomendasikan untuk Anda

Butuh lebih dari video?

Transkrip

0:03Pembuka

1:00Langkah 1: Bagian CNN

2:49Langkah 2: LSTM dua arah

3:19Langkah 3: Peta fitur menjadi urutan

4:05Langkah 4: Memeriksa bentuk tensor

5:39. Selesai!

Tanya materi kelas

Catatan saya

Tanya jawab

Pengajar

Kelas yang direkomendasikan untuk Anda

Butuh lebih dari video?

Transkrip

0:03Pembuka

1:00Langkah 1: Bagian CNN

2:49Langkah 2: LSTM dua arah

3:19Langkah 3: Peta fitur menjadi urutan

4:05Langkah 4: Memeriksa bentuk tensor

5:39. Selesai!

Tanya materi kelas

Catatan saya

Tanya jawab

Pengajar

Pembuka

Langkah 1: Bagian CNN

Langkah 2: LSTM dua arah

Langkah 3: Peta fitur menjadi urutan

Langkah 4: Memeriksa bentuk tensor

. Selesai!

Pembuka

Langkah 1: Bagian CNN

Langkah 2: LSTM dua arah

Langkah 3: Peta fitur menjadi urutan

Langkah 4: Memeriksa bentuk tensor

. Selesai!