ผลของการใช้เทคนิคข้อมูลแต่งเติมต่อประสิทธิภาพในการเรียนรู้เชิงลึกของการวินิจฉัยโรคปอดบวมในฟิล์มเอกซเรย์ปอด

ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์

กุมภา จุลจันทร์, พิมพ์ชนก อู่สันติวงศ์, กฤติน บัวสังข์

อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์

ชัยวัฒน์ ศุภศิลป์, ศิรประภา เรวิก

โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์

โรงเรียนมหิดลวิทยานุสรณ์

ปีที่จัดทำโครงงานวิทยาศาสตร์

พ.ศ. 2565

บทคัดย่อโครงงานวิทยาศาสตร์

โรคปอดบวม (pneumonia) คือ การติดเชื้อของเนื้อเยื่อในปอดหรือเป็นผลมาจากการแพร่กระจายของเชื้อในถุงลม ซึ่งเป็นโรคทางเดินหายใจเฉียบพลันรูปแบบรุนแรง โรคปอดบวมมักได้รับการวินิจฉัยผิด หรือถูกรักษาอย่างไม่ถูกต้อง ทำให้เป็นสาเหตุของการเจ็บป่วยและการเสียชีวิต

การวินิจฉัยโรคปอดบวมสามารถทำได้โดยการตรวจเอกซเรย์ปอด โดยแพทย์จะทำการวินิจฉัยโรคจากฟิล์มเอกซเรย์ปอด ซึ่งใช้เวลาในการวินิจฉัยโรคจากฟิล์มเฉลี่ย 5-10 นาทีต่อภาพ และอาจมากกว่านั้นเมื่อเข้าสู่การวินิจฉัยร่วมกับบุคคลที่สองเพื่อความละเอียดแม่นยำมากขึ้น โดยในแต่ละวันแพทย์ต้องทำการวินิจฉัยภาพฟิล์มเอกซเรย์ปอดเป็นจำนวนมาก จึงมีการใช้อัลกอริทึมแบบการเรียนรู้เชิงลึก (deep learning) เพื่อลดระยะเวลาในการวินิจฉัย

อย่างไรก็ตาม การพัฒนาโมเดลต้องใช้ภาพฟิล์มเอกซเรย์ปอดจำนวนมากในการเพิ่มความเสถียรของ the area under the curve (AUC) มากขึ้นและทำให้ประสิทธิภาพการแยกแยะรูปภาพดีขึ้น (Bailly, A. และคณะ, 2022) ซึ่งการใช้เทคนิคแต่งเติม (data augmentation) สามารถเพิ่มจำนวนข้อมูลภาพได้ เช่น เทคนิคการแปลงสีของรูปภาพ (color transfer methods) เทคนิคการเปลี่ยนแปลงลักษณะของรูปภาพ (Style transfer problem) เทคนิคการกลับด้านรูปภาพ คณะผู้จัดทำจึงจัดทำโครงงานนี้ขึ้นเพื่อศึกษาผลของการใช้เทคนิคข้อมูลแต่งเติมต่อประสิทธิภาพการทำงานของการเรียนรู้เชิงลึกของการตรวจจับรอยโรคของโรคปอดบวมในฟิล์มเอกซเรย์ปอด