การตรวจหาต้อกระจกด้วยการเรียนรู้ของเครื่องร่วมกับโครงข่ายประสาทมนุษย์
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) พัฒนาระบบตรวจหาต้อกระจกด้วยการเรียนรู้ของเครื่องร่วมกับโครงข่ายประสาทมนุษย์ 2) ประเมินผลการทดลองใช้ระบบตรวจหาต้อกระจกด้วยการเรียนรู้ของเครื่องร่วมกับโครงข่ายประสาทมนษย์ อุปกรณ์ที่ใช้ในการพัฒนาแบ่งเป็นด้านฮาร์ดแวร์ ได้แก่ บอร์ด Raspberry Pi ที่เชื่อมต่อกับกล้อง ส่วนกลุ่มซอฟต์แวร์ ได้แก่ โปรแกรม Python IDE เพื่อใช้ในการเขียนคำสั่งภาษา Python สำหรับควบคุมการทำงานของระบบ การประเมินผลใช้แบบสอบถามประเมินประสิทธิภาพกับผู้เชี่ยวชาญและผู้ใช้ระบบ สำหรับสถิติที่ใช้ในการวิเคราะห์ข้อมูล ได้แก่ ค่าร้อยละ ค่าเฉลี่ย และส่วนเบี่ยงเบนมาตรฐาน
ผลการวิจัยพบว่า ได้อุปกรณ์ต้นแบบไอโอที Raspberry Pi Model B เชื่อมต่อกล้องที่พัฒนาด้วยภาษา Python สำหรับการตรวจหาต้อกระจกด้วยการเรียนรู้ของเครื่องร่วมกับโครงข่ายประสาทมนุษย์ ซึ่งผู้เชี่ยวชาญมีความคิดเห็นในภาพรวมอยู่ในระดับมากที่สุด ( = 4.62, SD. = 0.52) และผู้ใช้ระบบมีความพึงพอใจในภาพรวมอยู่ในระดับมากที่สุด ( = 4.82, SD. = 0.50) สำหรับผลการทดสอบประสิทธิภาพการทำงานของระบบการตรวจหาต้อกระจกด้วยการเรียนรู้ของเครื่องร่วมกับโครงข่ายประสาทมนุษย์ พบว่า ระบบมีความถูกต้องในการตรวจหาต้อกระจกอยู่ที่ 97.50%
Article Details
References
ทองคูณ ยุบัวภา. (2551). คุณภาพชีวิตของผู้สูงอายุที่เป็นต้อกระจกระยะก่อนและภายหลังผ่าตัดต้อกระจก. วารสารพยาบาลศาสตร์และสุขภาพ, 31(3): 42-52.
สุทธิชัย จิตะพันธุ์กุล. (2542). หลักสำคัญของเวชศาสตร์ผู้สูงอายุ (พิมพ์ครั้งที่2). กรุงเทพมหานคร: ภาควิชา อายุรศาสตร์ คณะแพทยศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย.
วัฒนีย์ เย็นจิตร. (2546). Elimination of avoidable blindness (vision 2020a56/26). World Health Assembly ครั้งที่ 56 วันที่ 27 พฤษภาคม 2546 ณ ห้องประชุม Committee A WHO. จักษุ สาธารณสุข.17: 137-144.
เพ็ญแข ชีวยะพันธ์. (2545). คุณภาพการดูแลผู้สูงอายุที่อยู่ในภาวะพึ่งพา. วิทยานิพนธ์ปริญญาพยาบาลวิชาชีพ มหาบัณฑิต สาขาพยาบาลศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย.
ศิริลักษณ์ กิจศรีไพศาล. (2545). การพยาบาลวิชาชีพผู้รับบริการที่ผิดปกติทางตา. กรุงเทพมหานคร: สำนักพิมพ์ มหาวิทยาลัยธรรมศาสตร์.
วัลลภ เอี่ยมสมบุญ. (2545). การดูแลดวงตาของผู้สูงอายุ. ในสายัณห์ สวัสดิ์ศรี และคณะ(บรรณาธิการ). คลินิกชายวัยทอง. โรงพยาบาลพระมงกุฎเกล้า. กรุงเทพมหานคร: บริษัท บียอนด์เอ็นไพรช์ จำกัด.
M. Mohri, A. Rostamizadeh, and A. Talwalkar (2012). Foundations of machine learning. MIT press.
E. Alpaydin. (2009). Introduction to machine learning. MIT press.
I. H. Witten, E. Frank, M. A. Hall, and C. J. Pal. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.
Garson, G. D. (1998) Neural Networks an Introductory Guide for Social Scientists. London: SAGE.
I. Jindal, P. Gupta and A. Goyal (2019). Cataract Detection using Digital Image Processing, 2019 Global Conference for Advancement in Technology (GCAT), BANGALURU, India, pp. 1-4.
M. Yusuf, S. Theophilous, J. Adejoke and A. B. Hassan (2019). Web-Based Cataract Detection System Using Deep Convolutional Neural Network, 2019 2nd International Conference of the IEEE Nigeria Computer Chapter (NigeriaComputConf), Zaria, Nigeria, pp. 1-7.
V. Agarwal, V. Gupta, V. M. Vashisht, K. Sharma and N. Sharma (2019X). Mobile Application Based Cataract Detection System, 2019 3rd International Conference on Trends in Electronics and Informatics (ICOEI), Tirunelveli, India, pp. 780-787.
J. Rana and S. M. Galib (2017). Cataract detection using smartphone, 2017 3rd International Conference on Electrical Information and Communication Technology (EICT), Khulna, pp. 1-4.
Y. Cheawachan (2020). Comparing Efficiency in Copying Video Files through Powerline between NFS and FTP: A Case Study of Developing a Low-cost Smart CCTV System through Raspberry Pi, Journal of Information Science and Technology, 10 (1), 30-38.
Best, John W.& Kahn,James V. (1998). Research in Education (8th ed.). Allyn and Bacon.
Rauniar, R., Rawski, G., Yang, J., & Johnson, B. (2014). Technology acceptance model (TAM) and social media usage: an empirical study on Facebook Journal of Enterprise Information Management, 27(1), 6-30.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13 (3), 319–340.