การประเมินความเสี่ยงโรคภาวะถุงน้าในรังไข่หลายใบ

Assessing the risk of polycystic ovary syndrome

Name: กมลฉัตร ดีหล้า

Organization : มหาวิทยาลัยขอนแก่น. วิทยาลัยการคอมพิวเตอร์

Email : kamonchat@kkumail.com

Name: ปวิตรา สาริวงษ์

Organization : มหาวิทยาลัยขอนแก่น. วิทยาลัยการคอมพิวเตอร์

Email : pawitra.sa@kkumail.com

Name: ธนพล ตั้งชูพงศ์

Organization : มหาวิทยาลัยขอนแก่น. วิทยาลัยการคอมพิวเตอร์

Email : thanaphon@kku.ac.th

ThaSH: การประเมินความเสี่ยง

ThaSH: โรคถุงน้ำรังไข่

Abstract: โรคภาวะถุงน้า ในรังไข่หลายใบ (PCOS) เป็นโรคที่สามารถเกิดขึ้นได้กับสตรีในวัยเจริญพันธุ์ทางผู้ศึกษาจึงสนใจพัฒนาตัวแบบพยากรณ์ การเกิดโรคถุงน้ำในรังไข่หลายใบ สำหรับบุคคลทั่วไป ที่ไม่จำเป็นต้องมีผลตรวจจากห้องทดลอง โดยได้ศึกษาอาการและเลือกใช้อาการที่ทำให้มีโอกาสในการเกิดโรคนี้สูง จากข้อมูลโรค PCOS จากฐานข้อมูลเปิดแค็กเกิล [9] โดยมีทั้งข้อมูลทางกายภาพและ ข้อมูลผลตรวจจากห้องทดลอง โดยอาศัยการคัดเลือกคุณลักษณะสำคัญที่สูงที่สุด 11 ลา ดับ (Feature selection) จากเกณฑ์การจำแนกของวิธีการป่าสุ่ม (Random forest) ที่สามารถสังเกตและ ตรวจสอบเองได้เบื้องต้นมาใช้ทดสอบ จากผลการดำเนินงานโมเดลที่เลือกใช้คุณลักษณะที่สามารถสังเกตอาการเองได้ มีประสิทธิภาพจาก พื้นที่ใต้-เส้นโค้ง (AUC) ไม่แตกต่างจากโมเดลที่ใช้ข้อมูลคุณลักษณะทั้งหมด มีค่าเท่ากันคือ 0.97 ซึ่งจากคุณลักษณะที่เลือกมา ได้นามาฝึกสอนอีก 6 โมเดลได้แก่ วิธีต้นไม้แห่งการตัดสินใจ (Decision tree) วิธีเนอีฟ เบย์ (Naïve Bayes)วิธีการถดถอยโลจิสติก (Logistic Regression) วิธีรองรับเวกเตอร์ลักษณะนาม (Support Vector Classifiers : SVC) วิธีเพื่อนบ้านที่ใกล้ที่สุด (K Nearest Neighbor :KNN) และวิธีแคทบูส (CatBoost Classifier) เพื่อหาโมเดลที่มีประสิทธิภาพที่มีค่าคะแนนทดสอบ มากกว่าค่าคะแนนฝึกสอน สรุปได้ว่า มี 3 โมเดล คือ โมเดลป่าสุ่มโมเดลการถดถอยโลจิสติก และโมเดลรองรับเวกเตอร์ลักษณะนาม

Abstract: Polycystic ovary syndrome (PCOS) is a disease that can occur in women of childbearing age. As a result, the researcher is interested in developing a self-assessment predictive model for PCOS that does not require laboratory data by examining the disease's symptoms and selecting those that indicate a high risk of acquiring the disease. The Kaggle Database of PCOS [9] has both physical and laboratory data. By selecting the 11 most important self-observable features from the random forest method. It is found that the Random Forest model before and after selecting the most important selfobservable from Area under the curve (AUC) is the same value of 0.97. The selected features were used to create six other models: Decision Tree, Nave Bayes, Logistic Regression, Support Vector Classifiers (SVC), K-Nearest Neighbor (KNN), and CatBoost Classifier to find efficient models with test scores higher than the training score, it was concluded that there were three models, the Random Forest, the Logistic Regression and Support Vector Classifiers (SVC).

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2565

Modified: 2565-09-16

Issued: 2565-09-16

บทความ/Article

application/pdf

BibliograpyCitation : ใน มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยสารสนเทศและนวัตกรรมดิจิทัล. การประชุมวิชาการระดับชาติด้านคอมพิวเตอร์และเทคโนโลยีสารสนเทศ ครั้งที่ 18 (NCCIT 2022) (pp.388-393). กรุงเทพฯ : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	NCCIT 2022pp.388-393.pdf	396.52 KB	5	2025-03-19 11:46:38

ใช้เวลา

0.03439 วินาที