การจำแนกประเภทของมะเร็งผิวหนังในระยะที่ต่างกันโดยใช้การเรียนรู้เชิงลึก
- ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์
ณัฐพงษ์ ทุ่งปรือ, ณัฏฐากร ธำรงค์อนันต์สกุล, มนัสนันท์ หงษ์ชูเกียรติ
- อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์
ธนวรรณ ลี้บุญงาม
- โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์
- ปีที่จัดทำโครงงานวิทยาศาสตร์
บทคัดย่อโครงงานวิทยาศาสตร์
โครงงานนี้ จัดทำขึ้นโดยใช้ semi-supervised transfer learning ของ CNN algorithm ในการแยกแยะและจัดจำแนกโรคผิวหนัง 3 ชนิด ได้แก่ solar lentigo, lentigo maligna และ lentigo maligna melanoma เพื่อตรวจหามะเร็งผิวหนังในระยะเริ่มแรกก่อนที่จะลุกลาม ซึ่งเป็นขั้นตอนที่สำคัญในการรักษามะเร็งผิวหนัง โครงงานนี้จัดทำขึ้นโดยการรวบรวมแหล่งรูปภาพจากแหล่งข้อมูลต่าง ๆ ทั้ง labeled data และ unlabeled data หลังจากนั้น ข้อมูลรูปภาพได้ถูกนำมาทำการ preprocess โดยการกำจัดขนด้วยซอฟต์แวร์ และ balance data ด้วยการ upsampling กับ downsampling ต่อไปข้อมูลรูปภาพจะถูกนำมา train ใน model โดยแบ่งออกเป็น 3 การทดลอง คือ supervised learning, transfer learning ร่วมกับ supervised learning และ transfer learning ร่วมกับ semi-supervised learning และประมวลผลโดยผ่าน Google Colab จากผลการทดลอง พบว่าการใช้ supervised learning มีความแม่นยำอยู่ที่ 71.11% การใช้ transfer learning ร่วมกับ supervised learning มีความแม่นยำอยู่ที่ 75.00% และการใช้ transfer learning ร่วมกับ semi-supervised learning ให้ความแม่นยำสูงที่สุด โดยมีความแม่นยำอยู่ที่ 94.17% ดังนั้น การใช้ semi-supervised ร่วมกับ transfer learning สามารถทำนายระยะของโรคมะเร็งผิวหนังได้ดีที่สุด โดยโครงงานนี้สามารถพัฒนาได้ด้วยการฝึกในโมเดลที่แตกต่างกัน และสามารถนำไปช่วยเหลือบุคลากรทางการแพทย์ในการจำแนกภาพความผิดปกติของผิวหนัง