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, batas tumor dari dokter berwarna kuning, hasil unit baseline berwarna merah, dan unit yang dioptimasi PSO berwarna hijau, di atas citra MRI pasien yang belum pernah dilihat model. DICE data uji naik dari 0,72 menjadi 0,77. Ayo kita mulai. Selamat datang di episode terakhir seri segmentasi tumor otak dengan unit yang dioptimasi metaheuristik. Kita punya dua model, unit baseline dari episode 4 dan unit teroptimasi PSO dari episode 5. Sekarang saatnya menjawab pertanyaan penelitian. Apakah optimasi metaheuristik benar-benar meningkatkan segmentasi? Kita uji pada 17 pasien data uji yang tidak pernah dipakai saat pelatihan maupun optimasi.
Langkah 1: Memuat dua model
Buat file evaluasi underscore sec.py Kita baca hyperparameter pemenang dari file riwayat, lalu buat dua model. Baseline dengan 16 filter, dan model teroptimasi dengan 18 filter dan dropout 0,16. Bobot masing-masing dimuat dari file PT yang sudah kita simpan.
Langkah 2: Dice, loV & false positive data uji
Kita prediksi seluruh data uji, 674 irisan, 202 diantaranya bertumor. Ada empat metrik. DAIS dan IOU global. DAIS peririsan, yaitu rata-rata DAIS setiap irisan bertumor, yang lebih PK terhadap tumor kecil. Dan false positif irisan sehat, persentase irisan tanpa tumor yang keliru diberi tumor oleh model. Hasilnya, DAIS global naik dari 0,721 menjadi 0,770, IOU dari 0,563 menjadi 0,626. DAIS peririsan naik dari 0,568 menjadi 0,632, dan false positif turun dari 5,7 menjadi 3,2%. Peningkatan di data uji ternyata lebih besar daripada di data validasi. Tanda bahwa dropout hasil optimasi membuat model lebih mampu menggeneralisasi.
kan Langkah 3: Sebaran Dice per irisan
Sekarang box plot sebaran DAIS peririsan bertumor. Median model teroptimasi lebih tinggi, dan yang lebih penting, kotaknya jauh lebih rapat. Pada baseline, seperempat irisan punya DAIS di bawah 0,33, biasanya tumor kecil yang terlewat. Model teroptimasi lebih konsisten. Grafik seperti ini sangat baik untuk bab hasil penelitian.
Langkah 4: Overlay hasil segmentasi
Terakhir overlay pada 4 pasien uji dengan tumor terbesar. Baris atas ground root kuning dari dokter, baris tengah baseline merah, baris bawah model teroptimasi hijau, lengkap dengan DAIS tiap irisan. Kedua model menemukan tumor dengan tepat, dengan DAIS di kisaran 0,86 sampai 0,95. Model teroptimasi mengikuti lekukan batas tumor sedikit lebih baik di 3 dari 4 contoh.
Selesai!
Selesai, dan selesai pula seri ini. Kita sudah membangun penelitian segmentasi tumor otak secara lengkap, data set MRI dengan pembagian perpasien, augmentasi citra dan mask, unit dari 0, loss base IDAIS, optimasi hyperparameter dengan PSO dan grey wolf optimizer, sampai evaluasi DAIS dan IOU di data uji. Untuk penelitian lanjutan, coba ruang pencarian yang lebih luas, cross-validation perpasien, atau arsitektur seperti attention unit. Terima kasih sudah mengikuti seri ini. 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 data set 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 video1.290 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.
