รายละเอียด

โรคจอประสาทตาที่พบบ่อยอาจส่งผลร้ายแรงต่อสุขภาพสายตาและดวงตา ภาวะเบาหวานขึ้นจอตาเป็นตัวอย่างของโรคจอประสาทตาที่ส่งผลต่อหลอดเลือดในจอตา และอาจส่งผลให้การมองเห็นบกพร่องหรือตาบอดได้ การค้นพบตั้งแต่เนิ่นๆ การรักษาที่เพียงพอ และการเฝ้าระวังอย่างสม่ำเสมอ มีความสำคัญอย่างยิ่งในการควบคุมโรคเหล่านี้และลดผลกระทบต่อการมองเห็นให้เหลือน้อยที่สุด ระบบการจำแนกประเภทอัตโนมัติสำหรับการตรวจหาอาการเจ็บป่วยของจอประสาทตาโดยใช้การตรวจเอกซเรย์เชื่อมโยงกันด้วยแสง (OCT) และภาพจากกล้องที่ไม่ใช่ม่านตาได้รับการพัฒนาโดยใช้ deep learning จากโมเดล MobileNetV2 ด้วยขนาดตัวอย่าง 224 พิกเซล การสแกนโรคจอประสาทตาจะถูกแบ่งออกเป็น 11 ประเภท ได้แก่ จอประสาทตาเสื่อมที่เกี่ยวข้องกับอายุ (ARMD), การอุดตันของหลอดเลือดดำจอประสาทตาสาขา (BRVO), ดรูเซนส์ (DN), โรคจอประสาทตาจากเบาหวาน (DR), หมอกควันจากสื่อ (MH) สายตาสั้น (MYA), การครอบแก้วนำแสง (ODC), อาการบวมน้ำของดิสก์แก้วนำแสง (ODE), สีซีดของดิสก์แก้วนำแสง (ODP), tessellation (TSLN) และจอประสาทตาปกติ การแปลงโมเดลจาก MobileNetV2 เป็นแอปมือถือ Android ทำให้สามารถใช้สำหรับการวินิจฉัย ณ จุดดูแล โมเดลได้รับการอัปเดตโดยใช้ตัวอย่างการตรวจสอบความถูกต้อง และมีการประเมินความแม่นยำและความไวของโมเดล ประสิทธิภาพของแบบจำลองได้รับการประเมินโดยใช้มาตรการต่างๆ เช่น accuracy, precision, recall, และ F1-score จากผลการทดลองกับชุดข้อมูลขนาดใหญ่ MobileNet V2 ที่แนะนำมีความแม่นยำ 0.9575 สำหรับการฝึก 0.9470 สำหรับการตรวจสอบ และ 0.9630 สำหรับการทดสอบ นอกจากนี้ ยังได้รับค่าความแม่นยำ การเรียกคืน และคะแนน F1 ซึ่งแสดงให้เห็นถึงประสิทธิภาพสูงในการจัดหมวดหมู่โรคจอประสาทตา

วัตถุประสงค์

การวิเคราะห์ภาพทางการแพทย์เป็นวิธีการวินิจฉัยโรคทางตาแบบดั้งเดิมที่ใช้เวลานาน ความก้าวหน้าล่าสุดในการเรียนรู้เชิงลึกและปัญญาประดิษฐ์ (AI) ช่วยให้เกิดการพัฒนาระบบการวินิจฉัยโดยใช้คอมพิวเตอร์ช่วย (CAD) ซึ่งสามารถปรับปรุงความแม่นยำและความเร็วในการตรวจหาโรคจอประสาทตาได้ ในการวิจัยนี้ จะมุ่งเน้นไปที่การพัฒนาวิธีการจำแนกประเภทอัตโนมัติสำหรับการระบุโรคจอประสาทตาจากภาพถ่ายจากกล้องที่ไม่ใช่ม่านตาและภาพเอกซเรย์เชื่อมโยงกันด้วยแสง (OCT) นอกจากนี้ จะมีการดำเนินการตรวจสอบเพื่อพิจารณาความเป็นไปได้ในการสร้างแอปมือถือ Android สำหรับการวินิจฉัย ณ จุดดูแลโดยใช้แนวทางที่แนะนำ โดยสรุป วัตถุประสงค์สูงสุดของการวิจัยนี้คือการฝังโมเดล deep learning ลงในแอปพลิเคชันสมาร์ทโฟน Android ที่สามารถตรวจจับความเจ็บป่วยของจอประสาทตาได้อย่างรวดเร็วและถูกต้องโดยใช้การสแกนจอประสาทตา โปรแกรมนี้ใช้เครือข่ายการเรียนรู้เชิงลึก MobileNetV2 เพื่อจัดหมวดหมู่ความผิดปกติของดวงตาจากการสแกนจอประสาทตา เพื่อปรับปรุงความเร็วและความแม่นยำของการวินิจฉัยปัญหาสายตา ซึ่งนำไปสู่ผลลัพธ์ของผู้ป่วยที่ดีขึ้นในท้ายที่สุด

ผู้จัดทำ

ภัทรกร อินทรประสิทธิ์

PATTARAKORN INTARAPRASIT

#นักศึกษา

สมาชิก

May Phu Paing

May Phu Paing

#อาจารย์

อาจารย์ที่ปรึกษา

โหวตนวัตกรรมนี้