การพัฒนาเว็บแอปพลิเคชันเพื่อตรวจหาเชื้อไมโคแบคทีเรียม ทูเบอร์คูโลซิส (M. Tuberculosis) จากเสมหะด้วยวิธีการตรวจ Acid-Fast Bacillus (AFB) ด้วยระบบปัญญาประดิษฐ์
- ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์
ปัณณธร ขุนโหร, ปีระกา พวงทอง
- อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์
วิเชียร ดอนเเรม
- โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์
- ปีที่จัดทำโครงงานวิทยาศาสตร์
บทคัดย่อโครงงานวิทยาศาสตร์
วัณโรคปอดเป็นโรคติดต่อทางเดินหายใจชนิดหนึ่ง เกิดจากการติดเชื้อไมโคแบคทีเรียม ทูเบอร์คูโลซิส (Mycobacterium tuberculosis) ซึ่งในประเทศไทยนิยมตรวจวัณโรคด้วยวิธีการตรวจเสมหะ Acid-Fast Bacillus (AFB) เนื่องด้วยค่าใช้จ่ายที่ต่ำทว่าในการตรวจหาเชื้อวัณโรคสำหรับแพทย์นั้นมีระยะเวลาที่นาน การวิจัยในครั้งนี้จึงมีวัตถุประสงค์เพื่อพัฒนาปัญญาประดิษฐ์ในการตรวจหาเชื้อวัณโรคเพื่อสนับสนุนแพทย์ โดยในขั้นตอนการพัฒนา ผู้วิจัยได้เริ่มจากการรวบรวมภาพเสมหะจาก Kaggle และ ZNSM-iDB รวมทั้งสิ้น 1,952 ภาพ นำภาพเหล่านั้นไป Data cleaning และ Augmentation โดยใช้ Albumentation ซึ่งเป็นไลบรารี่หนึ่งของ Python ในการปรับแต่งภาพเพื่อเพิ่มชุดจำนวนข้อมูลภาพตามลำดับ และทำการฉลากเชื้อวัณโรคในทุกภาพโดยใช้ Roboflow จากนั้นโปรแกรมขึ้นด้วยภาษา Python ควบคู่กับโมดูล Yolov5 เพื่อฝึกฝน ประเมินประสิทธิภาพของโมเดล CNN ที่ใช้ในการประมวลผลภาพ และนำไปเปรียบเทียบประสิทธิภาพของ CNN ในแต่ละโมเดล ซึ่งจากผลการพัฒนาพบว่าโมเดลที่มีประสิทธิภาพในการตรวจภาพเบื้องต้น มากที่สุดคือ Yolov5s ซึ่งมีค่าความไว, ความจำเพาะ, F1-score, และระยะเวลาเฉลี่ยในการตรวจจับเชื้อต่อ 1 ภาพคือ 0.9802, 0.9647, 0.9727 และ 11.1 มิลลิวินาที ตามลำดับ และในขั้นตอนการตรวจจับวัตถุ โมเดลที่มีประสิทธิภาพมากที่สุดคือ Yolov5n6 ด้วยความสามารถในการตรวจจับวัตถุและแยกแยะประเภทเชื้อด้วยค่า precision, recall, mAP@0.5 ที่ 0.673, 0.761, 0.727 ตามลำดับ โดยสรุปแล้วระบบปัญญาประดิษฐ์นี้สามารถตรวจภาพเบื้องต้นได้อย่างอัตโนมัติด้วยความแม่นยำในการตรวจหาเชื้อสูง และใช้เวลาที่รวดเร็วในการตรวจ