การวิเคราะห์รูปภาพเซลล์เม็ดเลือดขาวเพื่อเปรียบเทียบประสิทธิภาพในการวินิจฉัยโรคมาลาเรียด้วยปัญญาประดิษฐ์ในรูปเเบบโครงข่ายประสาทเทียมเเบบคอนโวลูชันเเบบต่างๆ เเละ เเสดงผลบนเว็บไซต์
- ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์
ปารย์ปรินทร์ รุธิรโก, ภัทรพล ได้รูป, ณัฐวรรธน์ วรรัตนานุรักษ์
- อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์
ยศธร กานต์ชนาพงศ์
- โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์
- ปีที่จัดทำโครงงานวิทยาศาสตร์
บทคัดย่อโครงงานวิทยาศาสตร์
โครงงานวิทยาการคอมพิวเตอร์ เรื่อง การวิเคราะห์รูปภาพเซลล์เม็ดเลือดขาวเพื่อเปรียบเทียบประสิทธิภาพในการวินิจฉัยโรคมาลาเรียด้วยปัญญาประดิษฐ์ในรูปเเบบโครงข่ายประสาทเทียมเเบบคอนโวลูชันเเบบต่างๆ เเละ เเสดงผลบนเว็บไซต์ มีวัตถุประสงค์เพื่อ 1.) เพื่อศึกษาเทคนิคการเรียนรู้ด้วยวิธีใช้โครงข่ายประสาทเทียมแบบคอนโวลูชันในรูปแบบต่างๆ 2.) เพื่อเปรียบเทียบประสิทธิภาพของอัลกอริทึมโครงข่ายประสาทเทียมแบบคอนโวลูชันในรูปแบบต่างๆ 3.) เพื่อพัฒนาเว็บไซต์การวินิจฉัยโรคมาลาเรีย
โดยวิธีการดำเนินงานมีดังนี้ เริ่มศึกษาข้อมูลเกี่ยวกับโครงข่ายประสาทเทียมเเบบคอนโวลูชัน (Convolutional neural network) ต่อมาเริ่มทำตามวัตถุประสงค์ที่วางไว้โดยเริ่มการหาข้อมูลภาพเซลล์ที่ติดเชื้อโรคมาลาเรีย (Malaria)โดยอ้างอิงจากเว็บไซต์ National Library of Medicine จะเเบ่งเป็นข้อมูลภาพเซลล์เม็ดเลือดขาวจากผู้ป่วยติดโรคมาลาเรียชนิดฟัลซิปารัม (Plasmodium falciparum) จำนวน 150 ราย ข้อมูลภาพเซลล์เม็ดเลือดขาวจากผู้ป่วยติดโรคมาลาเรียชนิดไวแวกซ์ ( Plasmodium vivax) จำนวน 150 ราย เเละ ข้อมูลภาพเซลล์เม็ดเลือดขาวจากผู้ที่ไม่ติดโรคมาลาเรีย 50 ราย เมื่อได้ข้อมูลภาพให้แบ่งข้อมูลภาพออกเป็น 2 ชุดจำนวนเท่าๆกัน โดยสุ่มเเบบอิสระมาจำนวน 2000 ภาพของเเต่ละคลาสของภาพเซลล์เม็ดเลือดจากนั้น เเบ่งข้อมูลภาพออกเป็น 2 ชุด คือ ชุดฝึกฝน (Training) กับชุดทดสอบ (Testing) อัตราส่วนเป็น 75% ต่อ 25% คือ ต่อ ภาพในคลาส แบ่งข้อมูลโดยใช้วิธี Train Test Split โดยใช้เทคนิคการเรียนรู้เชิงลึกด้วยวิธีโครงข่ายประสาทเทียมเเบบคอนโวลูชัน ได้เเก่ Xception VGGNet19 MobileNetV3 สร้างตัวเเบบโดยใช้อัลกอริทึมโครงข่ายประสาทเทียมเเบบคอนโวลูชันเเบบต่างๆ ทำการปรับปรุงตัวเเบบให้เหมาะสมกับชุดข้อมูล จากนั้นทำการวัดประสิทธิภาพของตัวเเบบ หลังจากได้อัลกอริทึมที่ได้ผลดีที่สุด เเละ นำไปใช้ในการพัฒนาเว็บไซต์การวินิจฉัยโรคมาลาเรีย
ผลจากการศึกษาทดลอง จะได้ว่าอัลกอริทึมที่ได้ผลดีที่สุด คือ MobileNetV3 โดยมีค่าความถูกต้อง ความไว ความจำเพาะ เเละ F1-Score คือ 0.95 0.94 0.96 0.94 เเละ 0.93 ตามลำดับ เเละโครงงานวิทยาการคอมพิวเตอร์ เรื่องการวิเคราะห์รูปภาพเซลล์เม็ดเลือดขาวเพื่อเปรียบเทียบประสิทธิภาพในการวินิจฉัยโรคมาลาเรียด้วยปัญญาประดิษฐ์ในรูปเเบบโครงข่ายประสาทเทียมเเบบคอนโวลูชันเเบบต่างๆเเละแสดงผลบนเว็บไซต์ สามารถนำไปประยุกต์ในการต่อยอดเป็นเครื่องมือในการช่วยวินิจฉัยโรคมาลาเรียได้