Semua kelas Silabus Segmentasi Tumor Otak U-Net · Episode 3 dari 6

Kelas Segmentasi Tumor Otak U-Net #3: Membangun U-Net dari Nol: Encoder, Decoder & Skip Connection

3 kali dilihat

Kelas membangun U-Net dari nol dengan PyTorch bahasa Indonesia: encoder, bottleneck, decoder, skip connection, pemeriksaan bentuk tensor, dan uji overfit satu batch. Episode 3 seri segmentasi tumor otak.

Software: Deep Learning (PyTorch U-Net)
Level: Mahir
Durasi: ± 10 menit
Total seri: 1 jam 10 menit · 6 video
Terbit: 24 Oktober 2026

Episode 3 dari 6 · lihat silabus

Unduh PDF (7 halaman PDF)

0 kali diunduh

Unduh File Project· 95 MB Buka Semua Kelas Premium ▶ Tonton video praktik0 kali ditonton

▶ Video Praktik

Lihat semua langkah di atas dipraktikkan langsung, lengkap dengan narasi.

0 kali ditonton

Buku kelas

Halaman 1 / 7

Kelas Segmentasi Tumor Otak U-Net #3: Membangun U-Net dari Nol: Encoder, Decoder & Skip Connection: Sampul: Kelas Segmentasi Tumor Otak U-Net #3: Membangun U-Net dari Nol: Encoder, Decoder & Skip Connection

Kelas Segmentasi Tumor Otak U-Net #3: Membangun U-Net dari Nol: Encoder, Decoder & Skip Connection: Sebelum mulai, daftar langkah, dan Langkah 1

Kelas Segmentasi Tumor Otak U-Net #3: Membangun U-Net dari Nol: Encoder, Decoder & Skip Connection: Langkah 2: Encoder, bottleneck, decoder

Kelas Segmentasi Tumor Otak U-Net #3: Membangun U-Net dari Nol: Encoder, Decoder & Skip Connection: Langkah 3: Skip connection di forward

Kelas Segmentasi Tumor Otak U-Net #3: Membangun U-Net dari Nol: Encoder, Decoder & Skip Connection: Langkah 4: Memeriksa bentuk tensor

Kelas Segmentasi Tumor Otak U-Net #3: Membangun U-Net dari Nol: Encoder, Decoder & Skip Connection: Langkah 5: Uji overfit satu batch

Selesai

Sampul: Kelas Segmentasi Tumor Otak U-Net #3: Membangun U-Net dari Nol: Encoder, Decoder & Skip Connection

Klik halaman atau ◀ ▶ untuk membalik · geser di HP · untuk memperbesar

Ingin belajar lebih dalam?

Ikuti kursus kami atau tanyakan langsung lewat WhatsApp.

Unduh PDF· 0 kali diunduh Lihat silabus lengkap 6 episode Lihat Kursus Segmentasi Citra Medis Tanya via WhatsApp

Kelas yang direkomendasikan untuk Anda

Dipilih dari software, topik, dan level “Kelas Segmentasi Tumor Otak U-Net #3: Membangun U-Net dari Nol: Encoder, Decoder & Skip Connection”.

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

ANFIS Metaheuristik Peramalan Deret Waktu

6 episodeAda gratis

Python · Menengah–Mahir

ANFIS Metaheuristik Peramalan Deret Waktu

6 episode video + PDF, total 59 menit. Dimulai dari: Deret Waktu Non-Linear: Dataset, Stasioneritas, dan Pola.

59 menit 13 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

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

Deep Learning CNN-LSTM Deteksi Pneumonia

6 episodeAda gratis

Python · Menengah–Mahir

Deep Learning CNN-LSTM Deteksi Pneumonia

6 episode video + PDF, total 57 menit. Dimulai dari: Dataset Rontgen Dada: Memuat, Eksplorasi & Pembagian Data.

57 menit 22 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

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

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 UNED yang kita tulis sendiri dengan PyTor, dari citra 96 piksel turun ke botlenek 12 piksel, lalu naik lagi menjadi peta segmentasi. Dan uji overfit membuktikan UNED kita mampu menggambar mas tumor. Ayo kita mulai. Halo, selamat datang di episode ketiga seri segmentasi tumor otak dengan UNED yang dioptimasi metaheuristik. UNED diperkenalkan tahun 2015 khusus untuk segmentasi citra biomedis, dan sampai sekarang menjadi model dasar di hampir semua penelitian segmentasi medis. Hari ini kita membangunnya dari nol, baris demi baris, supaya Anda benar-benar paham cara kerjanya, lalu mengujinya sebelum pelatihan sungguhan.

Langkah 1: Blok konvolusi ganda

Buat file UNED.py Komponen dasarnya blok konvolusi, 2x conf2d3x3, masing-masing diikuti B norm dan relu. Padding 1 menjaga ukuran citra tetap sama. Di akhir blok ada dropout 2D yang secara bawaan 0, nilainya nanti menjadi salah satu hyperparameter yang dioptimasi.

Langkah 2: Encoder, bottleneck, decoder

Sekarang kelas UNED. Parameter F adalah jumlah filter di level pertama. Enkoder punya 3 blok dengan filter F, 2F, dan 4F, dipisahkan Max Pauling yang memperkecil citra setengahnya. Botlenek di dasar huruf U punya 8F filter. Dekoder adalah kebalikannya, conf transpose 2 memperbesar peta fitur 2 kali lipat, lalu blok konvolusi. Lapisan terakhir konvolusi 1x1 menghasilkan satu kanal, yaitu skor tumor untuk setiap piksel.

Langkah 3: Skip connection di forward

Lihat fungsi forward. Inilah kunci UNED, skip connection. Sebelum masuk blok dekoder, hasil loop sampling digabung dengan Torquette bersama fitur encoder dari level yang sama. Encoder tahu apa isi citra tapi kehilangan detail lokasi akibat Pauling. Skip connection mengembalikan detail lokasi itu, sehingga batas tumor bisa digambar tajam. Sekarang buat file cek underscore unit.py untuk memeriksa bentuk tensor di setiap level.

Langkah 4: Memeriksa bentuk tensor

Jalankan. Input 3 kanal 96 piksel. Encoder 1 menghasilkan 16 kanal di ukuran sama, lalu 32 kanal di 48 piksel, 64 kanal di 24 piksel, dan botlenek 128 kanal di 12 piksel. Output kembali ke 96x96 dengan 1 kanal. Totalnya 483 ribu parameter.

Langkah 5: Uji overfit satu batch

Sebelum pelatihan panjang, peneliti yang baik melakukan uji overfit. Latih model pada 1B kecil saja. Jika model tidak bisa menghafal 8 citra, pasti ada bug. Kita ambil 8 irisan dengan tumor terluas, lalu latih 60 langkah. Los turun dari 0,43 menjadi 0,04. Gambarnya, baris atas mask asli, baris bawah prediksi. Letak dan bentuk tumor sudah cocok, tepinya masih halus karena baru 60 langkah. Artinya unit kita bekerja. Selesai. Kita sudah membangun unit dari 0 dengan encoder, botlenek, decoder, dan skip connection,

. Selesai!

memeriksa bentuk tensor di setiap level, dan lolos uji overfit. Di episode berikutnya kita membahas los husus segmentasi. DAIS, IOU, dan BCI DAIS, lalu melatih unit baseline secara penuh. Sedang menyusun skripsi, tesis, atau riset AI di bidang segmentasi citra medis? Cerdas inovasi digital membantu implementasi deep learning, dari segmentasi UNET, optimasi metahoristik PSO dan Grey Wolf, sampai evaluasi DAIS, IOU, dan penulisan hasil, serta membuka kursus deep learning dengan PyTor. Ingin menguasai seluruh seri ini, dari dataset MRI otak sampai UNET yang dioptimasi metahoristik? 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.

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

▶ Video Praktik

Kelas yang direkomendasikan untuk Anda

Butuh lebih dari video?

Transkrip

0:03Pembuka

0:48Langkah 1: Blok konvolusi ganda

2:04Langkah 2: Encoder, bottleneck, decoder

3:36Langkah 3: Skip connection di forward

4:36Langkah 4: Memeriksa bentuk tensor

6:20Langkah 5: Uji overfit satu batch

9:00. Selesai!

Tanya materi kelas

Catatan saya

Tanya jawab

Pengajar

▶ Video Praktik

Kelas yang direkomendasikan untuk Anda

Butuh lebih dari video?

Transkrip

0:03Pembuka

0:48Langkah 1: Blok konvolusi ganda

2:04Langkah 2: Encoder, bottleneck, decoder

3:36Langkah 3: Skip connection di forward

4:36Langkah 4: Memeriksa bentuk tensor

6:20Langkah 5: Uji overfit satu batch

9:00. Selesai!

Tanya materi kelas

Catatan saya

Tanya jawab

Pengajar

Pembuka

Langkah 1: Blok konvolusi ganda

Langkah 2: Encoder, bottleneck, decoder

Langkah 3: Skip connection di forward

Langkah 4: Memeriksa bentuk tensor

Langkah 5: Uji overfit satu batch

. Selesai!

Pembuka

Langkah 1: Blok konvolusi ganda

Langkah 2: Encoder, bottleneck, decoder

Langkah 3: Skip connection di forward

Langkah 4: Memeriksa bentuk tensor

Langkah 5: Uji overfit satu batch

. Selesai!