Analisis Teknik Explainable AI Post-hoc untuk Deteksi Infark Miokard Berbasis Sinyal EKG - Dalam bentuk buku karya ilmiah
FATHIYA NUR ASSYIFA

Informasi Umum

Kode

25.04.3659

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Deep Learning

Dilihat

22 kali

Informasi Lainnya

Abstraksi

Model <em>deep learning</em> (DL) menunjukkan akurasi yang unggul dalam menganalisis sinyal EKG untuk mendeteksi infark miokard. Namun, pendekatan ini sering dianggap sebagai "<em>black box</em>" yang sulit dipahami oleh tenaga medis. Penelitian ini mengevaluasi penerapan <em>explainable</em> AI (XAI), yakni Grad-CAM dan LRP, dalam meningkatkan interpretabilitas model DL berbeda untuk deteksi infark miokard menggunakan sinyal EKG. Hasil menunjukkan bahwa Grad-CAM memberikan penjelasan spasial yang konsisten dengan atribusi positif serta lebih sederhana, sementara LRP dapat memberikan atribusi positif maupun negatif, membedakan relevansi antar-<em>lead</em>, serta tidak tergantung pada resolusi spasial dari layer internal model. Kemudian, kombinasi Grad-CAM untuk analisis temporal dan LRP untuk analisis relevansi <em>lead</em> memberikan interpretasi model yang paling komprehensif dan direkomendasikan untuk evaluasi relevansi klinis model DL. Terakhir, dari tiga jenis model konvolusional yang diuji coba, arsitektur InceptionTime ditemukan merupakan model terbaik, dengan akurasi tertinggi serta utilisasi <em>lead</em> tertinggi.

• TUI1E3 - ALGORITMA DAN PEMROGRAMAN
• AZK1DAB3 - Algoritma dan Pemrograman
• AEK2HAB3 - Kecerdasan Buatan
• TBI4F3 - KECERDASAN BUATAN UNTUK APLIKASI KESEHATAN
• AEK2DAB2 - Pengolahan Data Biomedis
• TTI3A3 - PENGOLAHAN SINYAL WAKTU DISKRET
• AZK3AAB3 - Pengolahan Sinyal Waktu Diskret
• AZK1IAB1 - Praktikum Algoritma dan Pemrograman
• TUI1E1 - PRAKTIKUM ALGORITMA DAN PEMROGRAMAN
• AEK3LBB3 - Sistem Biomedika Cerdas
• TBI4J3 - SISTEM BIOMEDIKA CERDAS

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook