การจำแนกโรคไม่ติดต่อจากภาพหลังมือด้วยโครงข่ายประสาทเทียมคอนโวลูชัน

ถึงแม้ความก้าวหน้าทางเทคโนโลยีจะสูงมากขึ้น ทำให้กระบวนการรักษาผู้ป่วยทางการแพทย์เป็นไปได้อย่างมีประสิทธิภาพเพิ่มมากขึ้นก็ตาม จำนวนผู้ป่วยยังคงสูง การนำเอาเทคโนโลยีปัญญาประดิษฐ์มาพัฒนาเป็นเครื่องมือจำแนกผู้ป่วยจากภาพของร่างกายภายนอกได้ จะช่วยให้บุคคลตระหนักถึงภาวะของร่างกาย และสามารถเข้ารับการรักษาได้ทันท่วงที งานวิจัยนี้ มีวัตถุประสงค์นำเอาเทคนิคโครงข่ายประสาทเทียมคอนโวลูชันมาสร้างแบบจำลอง เพื่อใช้จำแนกภาพเล็บของผู้ป่วยกับคนปกติ ทำการเก็บภาพโดยถ่ายภาพเล็บมือรวมทั้งหมด 150 ภาพ แบ่งเป็นคนที่ป่วย (โรคธาลัสซีเมีย โรคหัวใจ โรคกล้ามเนื้ออ่อนแรง โรคหลอดเลือดสมองตีบ โรคภูมิแพ้ และโรคไต) จำนวน 84 ภาพ กับภาพถ่ายคนปกติจำนวน 66 ภาพ ซึ่งใช้รูปภาพสำหรับการฝึกสอน จำนวน 121 ภาพ และใช้ทดสอบ จำนวน 29 ภาพ ทำเป็น 6 การทดลอง โดยชุดภาพดั้งเดิมให้ค่าความถูกต้องร้อยละ 86.21 ความแม่นยำร้อยละ 84.21 ความระลึกได้ร้อยละ 94.12 และ ความสอดคล้องร้อยละ 88.89 ชุดภาพไม่มีพื้นลังให้ค่าความถูกต้องร้อยละ 34.48 ความแม่นยำร้อยละ 45.45 ความระลึกได้ร้อยละ 58.82 และ ความสอดคล้องร้อยละ 51.13 ชุดภาพเฉพาะเล็บให้ค่าความถูกต้องร้อยละ 55.17 ความแม่นยำร้อยละ 59.09 ความระลึกได้ร้อยละ 76.47 และ ความสอดคล้องร้อยละ 66.67 ชุดภาพดั้งเดิมร่วมกับ Augmentation ให้ค่าความถูกต้องร้อยละ 65.52 ความแม่นยำร้อยละ 100 ความระลึกได้ร้อยละ 41.18 และ ความสอดคล้องร้อยละ 51.13 ชุดภาพไม่มีพื้นหลังร่วมกับ Augmentation ให้ค่าความถูกต้องร้อยละ 68.97 ความแม่นยำร้อยละ 100 ความระลึกได้ร้อยละ 47.06 และ ความสอดคล้องร้อยละ 64.00 ชุดภาพเฉพาะเล็บร่วมกับ Augmentation ให้ค่าความถูกต้องร้อยละ 62.07 ความแม่นยำร้อยละ 75.00 ความระลึกได้ร้อยละ 52.94 และ ความสอดคล้องร้อยละ 62.07 หลังจากทำ Augment พบว่า Precision ในแต่ละชุดข้อมูลมีค่าเพิ่มขึ้น ทำให้เห็นว่าแบบจำลองสามารถจำแนกข้อมูลที่เป็น Positive ได้อย่างแม่นยำ ในทางกลับกัน Recall มีค่าลดลงซึ่งสะท้อนถึงการลดลงของความสามารถของแบบจำลองในการระบุข้อมูลที่เป็น Positive ทั้งหมดในชุดข้อมูล