การพัฒนาวิธีการจำแนกภาพเอกซเรย์คอมพิวเตอร์ โรคหลอดเลือดสมอง ด้วยวิธีโครงข่ายประสาทเทียมแบบสังวัฒนาการ

การวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาวิธีการจำแนกภาพเอกซเรย์คอมพิวเตอร์โรคหลอดเลือดสมองด้วยวิธีการโครงข่ายประสาทเทียมแบบสังวัฒนาการ (Convolutional neural network: CNN) โดยใช้ชุดข้อมูลภาพที่ผู้วิจัยรวบรวมจากภาพเอกซเรย์คอมพิวเตอร์ที่เป็นมาตรฐาน DICOM ซึ่งผ่านการวินิจฉัยจากแพทย์ในกลุ่มผู้ป่วยโรคหลอดเลือดสมองเป็นภาพความเข้มเทา (Grayscale) ขนาด 512 *512 พิกเซล จำนวน 990 ภาพ แบ่งออกเป็น 3 ประเภท ได้แก่ ภาพผู้ป่วยโรค หลอดเลือดสมองตีบภาพผู้ป่วยโรคหลอดเลือดสมองแตก และภาพหลอดเลือดสมองปกติ ประเภทละ 330 ภาพชุดข้อมูลภาพดังกล่าวถูกนำมาใช้ในการฝึกสอนและทดสอบด้วย CNN โดยใช้วิธีการตรวจสอบไขว้ (5 Fold Cross Validation) จำนวนรอบที่ใช้ในการฝึกสอนและทดสอบเท่ากับ 1,000 รอบ โดยมีการเตรียมข้อมูลภาพเพื่อใช้ในการทดลอง 5 รูปแบบ เพื่อเปรียบเทียบกัน ดังนี้ 1) ชุดข้อมูลภาพความเข้มเทา จาก DICOM ที่ไม่มีการปรับแต่งใด ๆ 2) ชุดข้อมูลภาพแบบที่ 1 จาก DICOM ที่ถูกแปลงเป็นปริภูมิสีแบบ HSV และมีการขจัดองค์ประกอบที่ไม่เกี่ยวกับรอยโรค ด้วยการกัดกร่อนลักษณะรูปร่าง(Erosion Image Processing: EIP) 3) ชุดข้อมูลภาพแบบที่ 2 ที่ผ่านการปรับค่าความสว่างและค่าความคมชัด 4) ชุดข้อมูลภาพจากแบบที่ 3 ที่มีการแปลงภาพเป็นแบบคัลเลอร์แม็ป และ 5) ชุดข้อมูลภาพจากแบบที่ 4 ที่ผ่านการทำโอเวอร์เลย์คัลเลอร์แม็ป (Overlay Colormap) ผลการทดลอง พบว่า ชุดข้อมูลภาพแบบที่ 5 มีความแม่นยำมากที่สุดที่ร้อยละ 94.23 ซึ่งวิธีการดังกล่าวสามารถนำไปประยุกต์ใช้กับภาพรังสีเอกซ์เรย์คอมพิวเตอร์ หรือภาพถ่ายทางการแพทย์ในกลุ่มโรคอื่นได้เป็นอย่างดี