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, perbandingan empat model perkelas aritmia pada pasien baru, dan saliensi map yang memperlihatkan bagian detak jantung yang diperhatikan CNN. Pemenangnya bukan yang paling rumit, dan model ternyata memang memperhatikan kompleks QRS seperti dokter. Ayo kita mulai. Selamat datang di episode terakhir seri klasifikasi EKG dengan Wavelat dan Deep Learning. Di bidang medis, model harus dievaluasi perkelas dan bisa dijelaskan, karena dokter tidak akan percaya pada kota hitam. Hari ini kita membandingkan semua model secara menyeluruh dan melihat ke dalam keputusan CNN.
Langkah 1: Perbandingan per kelas
Buat file evaluasi underscore ek.py. Kita muat prediksi keempat model pada DS2, lalu hitung akurasi, sensitivitas dan positif predictivity setiap kelas, serta F1 makro, rata-rata F1 keempat kelas yang memberi bobot sama untuk kelas langka. Jalankan. SVM meraih F1 makro tertinggi, 0,517, disusul random fores 0,492, sedangkan kedua CNN sekitar 0,46 sampai 0,48. Semua model mendeteksi sekitar 90% bit V, tetapi bit S dan F tetap menjadi tantangan besar pada evaluasi interpasien. Inilah gambaran jujur yang sering tersembunyi dibalik akurasi 99% pada makalah yang mencampur pasien. Lanjutkan dengan interpretasi.
Langkah 2: Saliency map & grafik
Kita muat CNN 1D, lalu fungsi seliensi menghitung gradien skor kelas terhadap setiap sampel bit. Sampel dengan gradien besar paling memengaruhi keputusan. Kita gambar diagram sensitivitas, positif predictivity, confusion matrix model terbaik, F1 makro, dan seliensi 1 bit dari setiap kelas. Mari lihat grafiknya. Pada seliensi map, titik merah gelap menumpuk di sekitar kompleks QRS di dekat puncak R, dan untuk bit V juga di bagian gelombang T yang terbalik, sesuai dengan cara kardiolog membaca EKG. Model belajar hal yang masuk akal secara medis, tetapi informasi waktu dari RR tetap kunci untuk bit S.
Selesai!
Selesai, dan selesai pula seri ini. Kita sudah membangun penelitian klasifikasi aritmia secara lengkap, data basa MITBIH dan pembagian interpasien, filter dan segmentasi, wavelength de witte dan skalogram, SVM dan random forest, CNN 1 dan 2 dimensi, sampai evaluasi perkelas dan seliensi map. Untuk penelitian lanjutan, coba adaptasi perpasien dengan sedikit bit berlabel, model sekuens bit seperti LSTM atau transformer, data EEG untuk deteksi kejang, atau implementasi di perangkat WRABLE. Terima kasih sudah mengikuti seri ini. Sedang menyusun skripsi, tesis, atau riset di bidang teknik biomedis dan kecerdasan buatan? Cerdas inovasi digital membantu implementasi pengolahan sinyal biomedis, dari filter dan segmentasi sinyal EKG, transformasi wavelength, machine learning klasik, sampai CNN 1 dan 2 dimensi beserta interpretasinya, serta membuka kursus pemrograman Python untuk teknik elektro dan biomedis. Ingin menguasai seluruh seri ini? Dari data basa MITBIH sampai evaluasi perkelas aritmia? Semua 6 episode, lengkap dengan PDF panduan langkah demi langkah, dataset, 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 video1.286 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.
