การพัฒนาระบบการคัดกรองผู้สูงอายุที่ป่วยเป็นโรคพาร์กินสันผ่านการตรวจจับและวิเคราะห์การเคลื่อนไหวด้วยปัญญาประดิษฐ์
- ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์
นภัสสร หลิดชิววงศ์, อัมรินทร์ น้อยเผ่า, ปภิณวิช อาสนเพชร
- อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์
กฤติพงศ์ วชิรางกุล
- โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์
- ปีที่จัดทำโครงงานวิทยาศาสตร์
บทคัดย่อโครงงานวิทยาศาสตร์
โรคพาร์กินสัน (Parkinson) เป็นโรคที่เกิดขึ้นกับผู้ป่วยกว่า 10 ล้านคนทุกปี ส่วนใหญ่เป็นผู้สูงอายุ มีสาเหตุหลักมาจากการเสื่อมของเซลล์ในสมอง ซึ่งต้องอาศัยการตรวจเฉพาะทาง ทำให้มีค่าใช้จ่ายสูงและเข้าถึงยาก อาการในระยะต้นของผู้ป่วยมักถูกเข้าใจผิดว่าเป็นอาการของผู้สูงอายุทั่วไป ทำให้เข้ารับการรักษาได้ช้า และกระทบต่อการดำเนินชีวิต ทางผู้พัฒนาจึงพัฒนา “ระบบการคัดกรองผู้สูงอายุที่ป่วยเป็นโรคพาร์กินสันผ่านการตรวจจับ และวิเคราะห์การเคลื่อนไหวด้วยปัญญาประดิษฐ์” เพื่อเป็นพื้นฐานในการพัฒนา AI ที่ต่อยอดไปใช้ตรวจคัดกรองจริง ที่ผู้สูงอายุจะสามารถตรวจคัดกรองได้เองที่บ้าน เพื่อช่วยให้ผู้ที่ป่วยรู้ตัวเร็วรักษาทันเวลา
โดยการทำงานแบ่งออกเป็น 5 ตอน ตอนที่ 1 การศึกษาข้อมูลอาการของโรคพาร์กินสันจากแพทย์เพื่อนำไปพัฒนาอัลกอริทึมคัดกรองผู้ป่วย ตอนที่ 2 การพัฒนา AI และอัลกอริทึมคัดกรองผู้ป่วยโรคพาร์กินสัน ตอนที่ 2.1 การพัฒนา AI กลุ่มผู้พัฒนาได้เลือก Library ของ AI ในเทคนิค Pose Estimation ที่มีโครงสร้างการประมวลผลต่างกันได้แก่ OpenPose และ MediaPipe มาพัฒนาเพื่อตรวจจับร่างกายและการเคลื่อนไหว ตอนที่ 2.2 ทำการต่อยอดด้วยการพัฒนาอัลกอริทึมการคัดกรองผู้ป่วยโรคพาร์กินสันตามเกณฑ์การวินิจฉัยจริง โดยมุ่งเน้นไปที่การคัดกรอง 3 อาการหลักที่เกิดในผู้ป่วยโรคพาร์กินสันระยะต้น ได้แก่ (1) อาการเคลื่อนไหวช้า เดินช้าลง เดินแล้วระยะสั้นลง (Bradykinesia) วัดระยะการก้าวเดิน แล้ววิเคราะห์แนวโน้มด้วย AI เทคนิค Linear Regression หากลดลงจะถือว่าพบอาการนี้ (2) ความสมมาตรในการเคลื่อนไหว พัฒนาด้วยการวัดระยะห่างจากสะโพกถึงไหล่ทั้งด้านซ้ายและขวา และคำนวณผลต่างหารด้วยระยะห่างที่มากกว่า และหากมากกว่าค่ามาตรฐาน (0.025) จะถือว่าพบอาการนี้ และ (3) อาการสั่น (Tremor) วัดการเปลี่ยนแปลงของมุมที่เกิดจาก Keypoint ของนิ้วชี้ ข้อมือ และนิ้วโป้ง เพื่อนับการสั่น และสรุปเป็นความถี่ หากมากกว่า 2 Hz จะถือว่าพบอาการนี้ โดยหากตรวจพบ 2 อาการขึ้นไป จะถือเป็นผู้ที่มีความเสี่ยงสูงในการเป็นโรคพาร์กินสัน การตรวจจับอาศัยข้อมูลการตรวจจับร่างกายด้วย AI ทำให้ได้ออกมาเป็น 2 ระบบที่ใช้ Library ของ AI แตกต่างกัน ตอนที่ 3 ทำการทดลองเพื่อหาระบบที่ดีที่สุด ซึ่งมีสมมติฐานว่า ถ้า AI ใช้ Library ที่โครงสร้างการประมวลผลที่ละเอียดมากที่สุด จะสามารถตรวจจับร่างกายและการเคลื่อนไหว เพื่อนำไปใช้ประมวลผลต่อในอัลกอริทึมการคัดกรองผู้ป่วยโรคพาร์กินสันได้ถูกต้องมากที่สุด จากการทดลอง พบว่า AI ที่พัฒนาด้วย Library ของ MediaPipe สามารถตรวจจับร่างกายและการเคลื่อนไหว เพื่อนำไปประมวลผลต่อในอัลกอริทึมคัดกรองได้ถูกต้องที่สุด โดยมีความแม่นยำอยู่ที่ร้อยละ 82.5 ซึ่งเป็นเพราะ MediaPipe มีการตรวจจับที่ละเอียด สามารถตรวจจับภาพที่ซับซ้อนได้ดีด้วยการประยุกต์ใช้อัลกอริทึมหลายรูปแบบควบคู่ไปกับการจัดการทรัพยากรอย่างมีประสิทธิภาพ ตอนที่ 4 เพื่อการแก้ไขปัญหาความแม่นยำในการตรวจจับอาการ Bradykinesia มี 2 ตอนย่อย ได้แก่ ตอนที่ 4.1 พัฒนาอัลกอริทึมด้วยการใช้ข้อมูลการตรวจจับร่างกายและการเคลื่อนไหวแบบสามมิติ จากการทำนายตำแหน่งของ Keypoint บนระนาบแกนลึกของ MediaPipe โดยประยุกต์ใช้การคำนวณบนพิกัดฉากสามมิติ ตอนที่ 4.2 ทำการทดลองเปรียบเทียบ โดยมีสมมติฐานว่าถ้าอัลกอริทึมคัดกรองอาการ Bradykinesia ใช้ข้อมูลการตรวจจับร่างกายและการเคลื่อนไหวแบบสามมิติ และมีการประยุกต์ใช้การคำนวณบนพิกัดฉากสามมิติ แล้วอัลกอริทึมจะสามารถคัดกรองอาการ Bradykinesia และคัดกรองผู้ป่วยโรคพาร์กินสันได้แม่นยำมากขึ้น จากการทดลอง พบว่า อัลกอริทึม ที่ใช้การคำนวณบนพิกัดฉากสามมิติ มีความแม่นยำในการตรวจจับอาการ Bradykinesia เพิ่มขึ้นเป็นร้อยละ 89.3 เพิ่มขึ้นจากเดิมร้อยละ 25.07 และทำให้อัลกอริทึมคัดกรองผู้ป่วยโรคพาร์กินสันมีความแม่นยำเพิ่มขึ้นเป็นร้อยละ 90 เพิ่มขึ้นจากเดิมร้อยละ 9.09 และตอนที่ 5 การพัฒนาอัลกอริทึมลดการสั่นของภาพที่เกิดจากการถ่ายวิดีโอ มี 2 ตอนย่อย ได้แก่ ตอนที่ 5.1 พัฒนาอัลกอริทึมลดการสั่นของภาพโดยใช้ฟังก์ชัน calcOpticalFlowPyrLK ในการคำนวณหาจุดสำคัญของภาพในเฟรมแรก เพื่อเป็นจุด Focus ในการปรับลดการสั่น และประยุกต์กับฟังก์ชัน warpAffine ในการบิดและขยับตำแหน่ง และตอนที่ 5.2 ทำการทดลองเปรียบเทียบ มีสมมติฐานว่า ถ้าวิดีโอการเคลื่อนไหวของกลุ่มตัวอย่างที่จะนำไปประมวลผลในอัลกอริทึมคัดกรองผู้ป่วยโรคพาร์กินสัน ได้ผ่านการปรับลดการสั่น แล้วอัลกอริทึมจะสามารถคัดกรองผู้ป่วยโรคพาร์กินสันได้แม่นยำยิ่งขึ้น จากการทดลอง พบว่า วิดีโอการเคลื่อนไหวของกลุ่มตัวอย่างที่ปรับลดการสั่น เมื่อนำไปประมวลผลในอัลกอริทึมคัดกรองผู้ป่วยโรคพาร์กินสัน สามารถทำการคัดกรองโรคได้ถูกต้องมากกว่าการใช้วิดีโอการเคลื่อนไหวของกลุ่มตัวอย่างที่ไม่ได้ผ่านการปรับลดการสั่น โดยมีความแม่นยำอยู่ที่ร้อยละ 95 เพิ่มขึ้นจากเดิมร้อยละ 5.56