การศึกษาเปรียบเทียบประสิทธิภาพในการวินิจฉัยโรคปอดอักเสบในผู้ป่วยเด็ก จากภาพรังสีทรวงอกด้วยปัญญาประดิษฐ์ในรูปแบบโครงข่ายประสาทเทียมคอนโวลูชั่นแบบต่างๆ

บทคัดย่อ

หลักการและเหตุผล: โรคปอดอักเสบเป็นสาเหตุสำคัญของการเสียชีวิต ในเด็กอายุตํ่ากว่า 5 ปีการวินิจฉัย และ เริ่มการรักษาอย่างรวดเร็วจะช่วยลดอัตราการเสียชีวิตได้แต่การวินิจฉัยด้วยภาพถ่ายรังสีทรวงอกบางครั้งทำ ได้ยาก และต้องการรังสีแพทย์ผู้เชี่ยวชาญ การวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาเปรียบเทียบประสิทธิภาพของการวินิจฉัยโรค ปอดอักเสบ โดยการใช้คอมพิวเตอร์ระบบปัญญาประดิษฐ์ด้วยโครงข่ายประสาทเทียมคอนโวลูชั่น เพื่อช่วยในการ อ่านภาพถ่ายรังสีทรวงอก  

วัสดุและวิธีการ: อัลกอริทึมของระบบโครงข่ายประสาทเทียมคอนโวลูชั่น ที่ใช้ในการทดลองครั้งนี้ได้แก่ 1. ระบบ โครงข่ายประสาทเทียมคอนโวลูชั่น แบบพื้นฐาน (Basic CNN) 2. Inception-V3 3. ResNet-50 4. VGG-16 5. MobileNet-V2 โดยมีการใช้ตัวแบบที่ผ่านการฝึกมาแล้วล่วงหน้า (Transfer Learning) เพื่อช่วยลดระยะเวลา ของการฝึกระบบคอมพิวเตอร์ 

ผลการศึกษา: ผลการศึกษาพบว่า ระบบโครงข่ายประสาทเทียมคอนโวลูชั่นชนิด MobileNet ให้ความแม่นยำ ให้การ ทำ นายโรคปอดอักเสบได้สูงที่สุด คือ 89 % โมเดลที่มีความแม่นยำ ตํ่ากว่าเรียงลงมาตามลำ ดับได้แก่ Inception 80.13 %, Basic CNN 78.85 %, VGG-16 77.08 %, และอันดับสุดท้ายคือ ResNet 72.44 % 

สรุป: การวินิจฉัยโรคปอดอักเสบด้วยปัญญาประดิษฐ์แบบระบบโครงข่ายประสาทเทียมคอนโวลูชั่น ให้ความแม่นยำ สูงพอสมควร สามารถที่จะนำ ไปประยุกต์ใช้เป็นเครื่องมือคัดกรองภาพถ่ายรังสีทรวงอกเบื้องต้นได้