การประมวลผลภาพโดยอาศัยสมการเชิงอนุพันธ์ย่อยเพื่อเพิ่มประสิทธิภาพของการเรียนรู้ของเครื่องในการวิเคราะห์ภาพอัลตราซาวนด์
- ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์
กรชวัลร์ ตันติวิเศษศักดิ์, พีรกร ตรีจักรขจร
- อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์
พรหมพงศ์ ภควันต์วงศ์, ธนศานต์ นิลสุ
- โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์
- ปีที่จัดทำโครงงานวิทยาศาสตร์
บทคัดย่อโครงงานวิทยาศาสตร์
Diagnostic ultrasound is a safe, non-invasive, and universally used diagnostic technique that utilizes sound waves beyond the human hearing range to produce an image inside the body. However, there are some limitations regarding ultrasound images. One of these limitations is the poor image quality, which often requires experts to analyze the image accurately. Convolutional Neural Networks (CNNs) have been used to systematically analyze ultrasound images, which eliminates the need for experts’ annotations. Partial differential equations (PDEs) have been used in image processing tasks such as image denoising, edge detection, etc. Recently, partial differential equation and fractional differential equations (FPDEs), a partial differential equation that utilizes fractional calculus, have been used to enhance ultrasound images. Studies have found that it can help medical staff to identify the disease and improve the dataset’s quality. Hence, this research aims to investigate the possibility of using partial differential equations to improve the quality of various ultrasound image such as prostate, heart, thyroid, etc. before inputting the dataset to CNN models to increase its performance. Moreover, this method can also be used with other machine learning models to improve the performance without requiring much change to the overall architecture.