Analisa learning rate dan batch size pada klasifikasi COVID-19 menggunakan deep learning dengan optimizer ADAM

Deep learning semakin berkembang pesat dan banyak dimanfaatkan dalam berbagai bidang kehidupan. Salah satunya bisa dimanfaatkan untuk klasifikasi image medis penderita COVID. Keras adalah salah satu framework deep learning yang paling banyak digunakan. Dalam Keras terdapat beberapa macam algoritma optimizer. Salah satunya adalah optimizer Adam. Untuk menggunakan optimizer Adam ini perlu menentukan angka learning rate. Penentuan angka learning rate sangat penting karena salah dalam menentukan angka learning rate akan berdampak pada hasil deep learning yang dilakukan. Batch size juga salah satu hyperparameter penting dalam deep learning. Penelitian ini bertujuan untuk mengetahui dan membandingkan beberapa learning rate dan batch size agar diketahui efek dan dampaknya pada hasil loss dan akurasi training dan validasi pada proses deep learning yang dilakukan. Ada 6 learning rate dan 3 batch size yang akan dibandingkan. Hasil yang optimal diantara 6 learning rate dalam penelitian ini adalah 0.0001 dan 0.00001. Sedangkan batch size yang paling bagus hasilnya dari tiga angka yang dibandingkan adalah batch size 5

Meta-analysis of cardiac markers for predictive factors on severity and mortality of COVID-19.

OBJECTIVES: Previous observational studies have suggested that increased cardiac markers are commonly found in COVID-19. This study aimed to determine the relationship between several cardiac markers and the severity/mortality of COVID-19 patients. METHODS: Several cardiac markers were analysed in this meta-analysis. RevMan 5.4 was used to provide pooled estimates for standardised mean difference (SMD) with 95% confidence intervals. RESULTS: Twenty-nine clinical studies were included in this meta-analysis. Significantly higher CK-MB (0.64, 95% CI = 0.19-1.09), PCT (0.47, 95% CI = 0.26-0.68), NT-proBNP (1.90, 95% CI = 1.63-2.17), BNP (1.86, 95% CI = 1.63-2.09), and d-dimer (1.30, 95% CI = 0.91-1.69) were found in severe compared with non-severe COVID-19. Significantly higher CK-MB (3.84, 95% CI = 0.62-7.05), PCT (1.49, 95% CI = 0.86-2.13), NT-proBNP (4.66, 95% CI = 2.42-6.91), BNP (1.96, 95% CI = 0.78-3.14), troponin (1.64 (95% CI = 0.83-2.45), and d-dimer (2.72, 95% CI = 2.14-3.29) were found in those who died from compared with survivors of COVID-19. CONCLUSIONS: High CK-MB, PCT, NT-proBNP, BNP, and d-dimer could be predictive markers for severity of COVID-19, while high CK-MB, PCT, NT-proBNP, BNP, troponin, and d-dimer could be predictive markers for survival of COVID-19 patients.