Back

ParaSight

การตรวจหาพยาธิอัตโนมัติด้วยภาพถ่าย

@คณะแพทยศาสตร์

#KLLC 2024
#Healthcare and Wellness
การตรวจหาพยาธิอัตโนมัติด้วยภาพถ่าย

Details

The Utility of a Deep Learning Model (YOLOv4-Tiny) for automated detection of Parasites to improve efficiency in hospitals. We trained the YOLOv4-Tiny deep learning model be able to detect and distinguish between parasite eggs. We created bounding boxes and annotated 1600 images. There was 4 parasites that was included Hookworm, Opisthorchis viverrini, Ascaris lumbricoides, Trichuris trichiura thus 400 for each parasite group. The program was trained until it reached an average loss of 0.08, then it was Tested using 320 unseen parasite egg images and the Threshold set at 50%. Across all the test we got an accuracy of 98.75% and an Average loss of 0.05. Therefore, this AI was able to distinguish these 4 parasites with an acceptable accuracy. 

Objective

เหตุผลที่ทำโครงงานนี้ก็เพราะว่าในเมืองไทยยังมีการติดเชื้อพยาธิ โดยเฉพาะในต่างจังหวัดที่มีการกินของดิบเป็นอาหารพื้นบ้าน หรือสามารถผบเจอได้ในชีวิตประจำวัน เช่นการทำการเกษตร จึงมีความสำคัญที่จะต้องมีการตรวจเชื้อพยาธิในเมืองไทย เพราะฉะนั้นโครงงานนี้ก็จะช่วยลดหย่อน ภาระงานของเจ้าหน้าที่ และสามารถเร่งระยะเวลาการ วินิจฉัยโรค และการรักษา

Project Members

พิมพ์มาดา ฮุดา บุญมา
PIMMADA HUDA BOONMA

#นักศึกษา

Member
ณธรรศ เจียมจินตนากุล
NATAS CHIAMCHINTANAKUL

#นักศึกษา

Member
วีรยุทธ กิตติชัย
Veerayut Kittichai

#อาจารย์

Advisor

Vote for this Innovation!

Loading...