การวิเคราะห์ปัญหาสุขภาพจากภาพถ่ายเล็บด้วยเทคนิคการเรียนรู้เชิงลึก
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์ คือ (1) เพื่อพัฒนาโมเดลจำแนกภาพเล็บสำหรับตรวจสอบปัญหาสุขภาพโดยใช้เทคนิคการเรียนรู้เชิงลึก (2) เพื่อพัฒนาระบบตรวจสอบปัญหาสุขภาพจากภาพเล็บ และ (3) เพื่อประเมินประสิทธิภาพระบบ การดำเนินงานเริ่มจากการรวบรวมข้อมูลกลุ่มตัวอย่างภาพเล็บจำนวน 5 ประเภท ประกอบด้วย ภาพเล็บโรคสะเก็ดเงิน ภาพเล็บโรคไขข้ออักเสบ ภาพเล็บโรคโลหิตจาง ภาพเล็บโรคมะเร็งผิวหนังและภาพเล็บปกติ รวมทั้งหมด 400 ภาพ โดยการนำชุดข้อมูลภาพตัวอย่างมาฝึกสอนสร้างโมเดลจำแนกภาพด้วยโครงข่ายประสาทเทียมเชิงลึกคอนโวลูชัน ผลการศึกษาพบว่าผลลัพธ์ของค่าความถูกต้องของโมเดลในการตรวจสอบชุดภาพตัวอย่าง มีค่าความถูกต้องเท่ากับ 90.20% จากนั้นพัฒนาส่วนติดต่อผู้ใช้งานผ่านแอปพลิเคชันบนระบบปฏิบัติการแอนดรอยด์ โดยแอปพลิเคชันจะเรียกใช้โมเดลผ่านชุดคำสั่งเพื่อตรวจสอบปัญหาสุขภาพจากภาพถ่ายเล็บ ผลการทดสอบพบว่าค่าความถูกต้องในการตรวจสอบปัญหาสุขภาพจากภาพถ่ายเล็บของแอปพลิเคชันประสิทธิภาพอยู่ในระดับดี มีค่าความถูกต้องเฉลี่ย 78.00% และผลการประเมินความพึงพอใจของระบบโดยผู้ใช้งานอยู่ในระดับดี ค่าเฉลี่ยเท่ากับ 4.09 แสดงให้เห็นว่าวิธีการและแอปพลิเคชันที่นำเสนอนี้สามารถนำไปใช้ประโยชน์ในการเป็นเครื่องมือช่วยตรวจสอบปัญหาสุขภาพที่อาจจะเกิดขึ้นจากภาพเล็บได้
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
I/we certify that I/we have participated sufficiently in the intellectual content, conception and design of this work or the analysis and interpretation of the data (when applicable), as well as the writing of the manuscript, to take public responsibility for it and have agreed to have my/our name listed as a contributor. I/we believe the manuscript represents valid work. Neither this manuscript nor one with substantially similar content under my/our authorship has been published or is being considered for publication elsewhere, except as described in the covering letter. I/we certify that all the data collected during the study is presented in this manuscript and no data from the study has been or will be published separately. I/we attest that, if requested by the editors, I/we will provide the data/information or will cooperate fully in obtaining and providing the data/information on which the manuscript is based, for examination by the editors or their assignees. Financial interests, direct or indirect, that exist or may be perceived to exist for individual contributors in connection with the content of this paper have been disclosed in the cover letter. Sources of outside support of the project are named in the cover letter.
I/We hereby transfer(s), assign(s), or otherwise convey(s) all copyright ownership, including any and all rights incidental thereto, exclusively to the Journal, in the event that such work is published by the Journal. The Journal shall own the work, including 1) copyright; 2) the right to grant permission to republish the article in whole or in part, with or without fee; 3) the right to produce preprints or reprints and translate into languages other than English for sale or free distribution; and 4) the right to republish the work in a collection of articles in any other mechanical or electronic format.
We give the rights to the corresponding author to make necessary changes as per the request of the journal, do the rest of the correspondence on our behalf and he/she will act as the guarantor for the manuscript on our behalf.
All persons who have made substantial contributions to the work reported in the manuscript, but who are not contributors, are named in the Acknowledgment and have given me/us their written permission to be named. If I/we do not include an Acknowledgment that means I/we have not received substantial contributions from non-contributors and no contributor has been omitted.
เอกสารอ้างอิง
M. Ngarun, “Fingernails tell disease,” Bangkok: Samit Press, 2006.
P. Asavanon, “Look at the nails to tell the disease,” Chulalongkorn Hospital, 2020. [Online]. Available: https:// chulalongkornhospital.go.th/kcmh/line/Look at the nails to tell the disease. [Accessed Oct. 5, 2020].
Institute of Dermatology, “Nails Disease,” Institute of Dermatology, 2020. [Online]. Available: https://www.hfocus.org/content/2018/01/15247 [Accessed Sep. 20, 2020].
A. Rasminsky, “What These 8 Fingernail Signs Say About Your Health,” Healthline, 2020. [Online]. Available: https://www.healthline.com/health/beauty-skin-care/healthy-nails#improve-nail-health [Accessed Sep. 23, 2020].
K. Gopalakrishnan, S. Khaitan, A. Choudhary, and A. Agrawal, “Deep Convolutional Neural Networks with Transfer Learning for Computer Vision-based Data-driven Pavement Distress Detection,” Construction and Building Materials, vol. 157, pp. 322-330, 2017.
Z. Q. Zhao, P. Zheng, S. T. Xu, and X. Wu, “Object detection with deep learning: A review,” IEEE Transactions on Neural Networks and Learning Systems, pp. 3212-3232, 2019.
G. Lin, and W. Shen, “Research on Convolutional Neural Network based on Improved Relu - piecewise Activation Function,” Procedia Computer Science, vol. 131, pp. 977-984, 2018.
A. Howard et al., "Mobilenets: Efficient Convolutional Neural Networks for Mobile Vision Applications," arXiv preprint arXiv:1704.04861, 2017.
J. Orlando, E. Prokofyeva, M. Fresno and B. Blaschko, “An Ensemble Deep Learning based Approach for Red Lesion Detection in Fundus Images,” Computer Methods and Programs in Biomedicine, vol.153, pp. 115-127, 2018.
T. Metkarunchit and K. Charoenpojvajana, “Detection of COVID-19 using Deep Learning with Images,” TNI Journal of Engineering and Technology, vol. 8, no. 2, pp. 8-17, 2020.
C. Chin, B. Lin, and G. Wu, “An Automated Early Ischemic Stroke Detection System using CNN Deep Learning Algorithm,” IEEE 8th International Conference on Awareness Science and Technology, pp. 368-372, 2017.
Q. Que, Z. Tang .,et al., “CardioXNet: Automated Detection for Cardiomegaly Based on Deep Learning,” 40th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, pp. 612-615, 2018.
N. Lamsamut and S. Valuvanathorn, “Stroke Disease Classification on Computerized Tomography Scan Images Using Convolutional Neural Network,” The 17th National Conference on Computing and Information Technology, pp. 43-48, 2021.
S. Phimphisan and N. Sriwiboon, “Image Processing for Fundus Image Classification using Deep Learning,” Journal of Information Science and Technology, vol. 10, no. 2, pp. 19-25, 2020.
R. Petagon and O. Pantho, “Drone for Detecting Forest Fires using Deep Learning Technique,” Sripatum Review of Science and Technology, vol. 12, no. 1, pp. 65-78, 2020.
