การเปรียบเทียบความแม่นยำของสถาปัตยกรรมต่าง ๆ ใน Machine Learning สำหรับการตรวจวิเคราะห์ลักษณะและจำแนกประเภทของผื่น
- ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์
ธนกฤต เอี่ยมวิไล, วรันธร จันทร์สว่าง
- อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์
ขุนทอง คล้ายทอง, วสิศ ลิ้มประเสริฐ
- โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์
- ปีที่จัดทำโครงงานวิทยาศาสตร์
บทคัดย่อโครงงานวิทยาศาสตร์
โรคผิวหนังมีทั้งที่เป็นอันตรายและไม่อันตราย บางประเภทไม่จำเป็นต้องไปพบแพทย์เพราะสามารถหายเองได้ ในขณะที่โรคผิวหนังบางชนิดอาจส่งผลอันตรายต่อชีวิตได้ โดยเฉพาะโรคผิวหนังที่เกิดขึ้นกับเด็ก ทำให้ผู้ปกครองส่วนใหญ่เมื่อพบว่าลูกมีโรคผิวหนังเกิดขึ้นจึงเลือกที่จะพาไปพบแพทย์ ซึ่งการที่ไม่มีอุปกรณ์หรือวิธีการในการคัดกรองส่งผลให้เกิดความแออัดในโรงพยาบาล รวมถึงทำให้แพทย์และพยาบาลมีปริมาณภาระงานที่มากเกินในแต่ละวัน ดังนั้นการมีอุปกรณ์ที่สามารถช่วยในการวิเคราะห์ข้อมูลเบื้องต้นอาจส่งผลดีในหลาย ๆ กรณี จากข้อมูลเบื้องต้นจึงทำให้สนใจในการพัฒนาเว็บแอปพลิเคชันสำหรับการจำแนกประเภทของโรคผิวหนัง โดยใช้ Machine Learning ซึ่งทางผู้จัดทำได้แบ่งเป็น 2 การศึกษา คือ การใช้ Support Vector Machine และ Convolutional Neural Network โดยการเปรียบเทียบโมเดล Convolutional Neural Network จะใช้โมเดลที่ได้จากการ Pre-Trained มาแล้ว มาแยกส่วนอวัยวะได้แก่ แขน, ลำตัว, มือ และขา จากนั้นทำการเพิ่มจำนวนชุดข้อมูลและปรับให้มีจำนวนเท่ากัน และนำไปเทรนโมเดล พบว่าโมเดลสำหรับการจำแนกประเภทของโรคผิวหนังที่ดีที่สุดสำหรับแขน, มือ และขา คือ DenseNet121 ซึ่งมีค่าความแม่นยำร้อยละ 84, 94 และ 83 ตามลำดับ และค่า F1-score 84, 94 และ 83 ตามลำดับ และโมเดลสำหรับการจำแนกประเภทของโรคผิวหนังที่ลำตัวที่ดีที่สุดคือ NASNetMobile มีค่าความแม่นยำร้อยละ 83 และค่า F1-score 83 จากนั้นนำโมเดลเหล่านี้มาพัฒนาเป็นเว็บแอปพลิเคชันต่อไป ซึ่งผลการศึกษาพบว่าเว็บแอพลิเคชั่นที่พัฒนาขึ้น สามารถช่วยให้ผู้ป่วยสามารถวิเคราะห์ได้ว่าควรไปพบแพทย์หรือไม่ พร้อมกับบอกวิธีการดูแลตนเองเบื้องต้นให้กับผู้ป่วยได้