การประยุกต์ใช้ Machine learning ในการวินิจฉัยโรคหลอดเลือดสมองจากภาพ MRI
- ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์
ณัฐพล จันทร์ไพสิฐ, กฤติธี รัชชนันท์
- อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์
ธนวรรณ ลี้บุญงาม
- โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์
- ปีที่จัดทำโครงงานวิทยาศาสตร์
บทคัดย่อโครงงานวิทยาศาสตร์
โครงงานนี้จัดทำชึ้นเพื่อพัฒนาโมเดลที่สามารถทำนายส่วนของสมองที่ได้รับความเสียหายจากโรคหลอดเลือดสมอง (stroke) จากภาพ T1-weighted MRI โดยโมเดลจะนำภาพไปวิเคราะห์ด้วยระบบปัญญาประดิษฐ์ (Machine Learning) และใช้ การแยกรูปภาพ (Image Segmentation) เพื่อแสดงให้ผู้ใช้โปรแกรมเห็นว่าในรูปถ่ายมีอาการหลอดเลือดสมองหรือไม่ และมีในบริเวณส่วนไหนของรูปภาพ คณะผู้จัดทำจะใช้โครงสร้าง U-net และ V-net ซึ่งเป็นโครงสร้างที่มีพื้นฐานบน โครงข่ายประสาทแบบคอนโวลูชั่น หรือ Convolutional neural networks (CNNs) ในการพัฒนาโมเดล โดยจะมีการเปรียบเทียบโครงสร้าง U-net และ V-net หลายแบบโดยการใช้ Convolutional layer ที่ต่างกันและจำนวนของ filter ที่ต่างกันเพื่อหาโครงสร้างที่สามารถให้ผลที่มีความแม่นยำมากที่สุด โดยการเขียนโปรแกรมทั้งหมดจะใช้ Google Colab รวมไปถึงรูปภาพที่ใช้ในการวิเคราะห์ได้ถูกอัปโหลดขึ้นไปเก็บบนพื้นที่เก็บข้อมูลออนไลน์ จากการทดลอง ในโมเดลที่ใช้โครงสร้าง U-net และใช้รูปภาพในการฝึกจำนวน 150 ชุด และในการทดสอบ 38 ชุด สามารถได้ค่าความถูกต้องสูงสุดอยู่ที่ 72.1% และในโมเดลที่ใช้โครงสร้าง V-net และใช้รูปภาพในการฝึกจำนวน 40 ชุด และในการทดสอบ 10 ชุด สามารถได้ค่าความถูกต้องสูงสุดอยู่ที่ 9.2% ซึ่งสำหรับโมเดลที่ใช้ V-net นั้น ตัวโมเดลมีความแม่นยำต่ำเนื่องจากแรมไม่เพียงพอ ทำให้ไม่สามารถเพิ่มจำนวนรูปภาพที่ใช้ฝึกและทดสอบ หรือเพิ่มจำนวนชั้น (layer) ได้ ในอนาคตอาจจะมีการเปลี่ยน platform ในการฝึกจาก Colab เป็นที่อื่นที่รองรับได้มากกว่านี้ และมีการลองใช้โมเดลอื่นอย่างเช่น PraNet ซึ่งเป็นโมเดลที่ใช้กับรูปสามมิติซึ่งพัฒนามาจาก U-net โดยที่จะใช้หน่วยความจำน้อยกว่าของ U-net