การวิเคราะห์มะเร็งกระดูกที่ลุกลามไปที่ปอดด้วยเทคนิคการเรียนรู้เชิงลึกโครงข่ายประสาทเทียมแบบคอนโวลูชันนอลนิวรอลเน็ตเวิร์กและการประมวลผลภาพ

Analysis metastatic cancer from bone to lung using deep learning convolutional neural network and image processing techniques

Name: ชนัณญา โล่ห์รักษา

keyword: ปัญญาประดิษฐ์

; มะเร็งกระดูก

; การคัดกรอง

; การเรียนรู้เชิงลึก

; ภาพทางการแพทย์

Abstract: อัตราการเกิดโรคมะเร็งกระดูกทั่วโลกพบได้ประมาณร้อยละ 0.2 ของโรคมะเร็งทั้งหมด ในปี 2563 ผู้ป่วยประมาณ 3,600 คน ได้รับการวินิจฉัยว่าเป็นโรคมะเร็งกระดูก และเสียชีวิตประมาณ 1,720 คน โรคมะเร็งกระดูกที่พบได้มากที่สุด คือ โรคมะเร็งกระดูกชนิดออสติโอซาร์โคมาประมาณร้อยละ 28 ของโรคมะเร็งกระดูกทั้งหมด จากสถิติของสถาบันมะเร็งแห่งชาติพบอุบัติการณ์ของโรคมะเร็งกระดูกในเพศหญิงและเพศชาย 0.8 และ 0.4 คน ต่อประชากร 100,000 ราย ซึ่งพบได้ค่อนข้างน้อย ส่งผลทำให้แพทย์ไม่คุ้นเคยกับโรค จึงทำให้การวินิจฉัยรักษาทำได้ค่อนข้างยาก อีกทั้งขั้นตอนการตรวจและคัดกรองเบื้องต้น ต้องอาศัยความร่วมมือจากแพทย์ผู้เชี่ยวชาญหลายสาขา อาทิ รังสีแพทย์ แพทย์ผู้เชี่ยวชาญด้านกระดูกและข้อ แพทย์ผู้เชี่ยวชาญด้านมะเร็งกระดูก พยาธิแพทย์ และ แพทย์เวชปฏิบัติ ทั่วโลกพบการกระจายของมะเร็งกระดูกมายังปอดประมาณร้อยละ 50-75 เมื่อพบก้อนเนื้อลุกลามไปที่ปอดมากกว่า 1 ก้อน จะพบอัตราการรอดชีพในช่วง 5 ปี เพียงแค่ร้อยละ 5 เท่านั้น กล่าวได้ว่า โรคมะเร็งกระดูกชนิดออสติโอซาร์โคมา เป็นโรคที่มีความชุกโรคค่อนข้างต่ำ อัตราการรอดชีพต่ำ และขาดแคลนแพทย์เฉพาะทาง ดังนั้น การวางแผนวินิจฉัยรักษาอย่างรวดเร็วมีความสำคัญเป็นอย่างมาก การศึกษานี้มีวัตถุประสงค์เพื่อ วิเคราะห์โรคมะเร็งกระดูกที่ลุกลามไปที่ปอด ด้วยเทคนิคการเรียนรู้เชิงลึก โครงข่ายประสาทเทียมแบบคอนโวลูชันนอลนิวรอลเน็ตเวิร์ก และการประมวลผลภาพ โดยทำการศึกษาทดลองในช่วงที่ 1 เพื่อให้ได้แนวทางการเปรียบเทียบคุณภาพของภาพระหว่างรูปแบบ JPG PNG และ BMP ที่เตรียมเข้าสู่การสร้างโมเดลการเรียนรู้ ทั้งนี้เพื่อพิจารณาเลือกรูปแบบไฟล์ภาพที่คงคุณลักษณะภายในของภาพเพื่อการเรียนรู้อย่างเหมาะสมและมีประสิทธิภาพ จากนั้นทำการศึกษาทดลองในช่วงที่ 2 เพื่อให้ได้โมเดลการเรียนรู้เพื่อการคัดกรองโรคมะเร็งกระดูกออสติโอซาร์โคมาที่ลุกลามไปที่ปอดด้วยเทคนิคการเรียนรู้เชิงลึก โครงข่ายประสาทเทียมแบบคอนโวลูชันนอลนิวรอลเน็ตเวิร์ก ต้นแบบ จากการพิจารณาความเสถียรของโมเดล และการศึกษาทดลองในช่วงที่ 3 ทำการปรับปรุงสมรรถนะโมเดลให้มีประสิทธิภาพในการคัดกรองโรคมะเร็งกระดูกชนิดออสติโอซาร์โคมาให้ดีกว่าวิธีการมาตรฐานที่มีค่าความผิดพลาดร้อยละ 29 - 42 ผลการศึกษาตอบโจทย์วัตถุประสงค์ข้อที่ 1 ผลการทดลองพบว่า รูปแบบไฟล์ภาพชนิด PNG มีความเหมาะสมในการนำไปใช้เรียนรู้และทดสอบโมเดล ผลการศึกษาตอบโจทย์วัตถุประสงค์ข้อที่ 2 ผลการทดลองพบว่าโครงสร้างโมเดล SSD-VGG16 มีความเหมาะสมในการนำไปใช้ในการตรวจจับก้อนมะเร็งกระดูกชนิดออสติโอซาร์โคมาที่ลุกลามมาที่ปอด สำหรับวัตถุประสงค์ข้อที่ 3 ผลการวัดประสิทธิภาพของโมเดลเพื่อเปรียบเทียบกับวิธีการมาตฐาน พบว่า โมเดล SSD-VGG16 ที่ผ่านการเรียนรู้และทดสอบด้วยข้อมูลไฟล์ภาพในรูปแบบ PNG ปรับค่าเกณฑ์การเรียนรู้ที่ระดับ 0.2 โมเดลสามารถทำการตรวจจับก้อนเนื้อที่คาดว่าเป็นมะเร็งกระดูกชนิดออสติโอซาร์โคมาได้ค่าความถูกต้องรายแผ่นเอกซเรย์คอมพิวเตอร์ร้อยละ 75.97 ดีกว่าวิธีการมาตรฐานร้อยละ 4.97 แต่หากทำการพิจารณาความถูกต้องเป็นรายบุคคลจะพบว่า โมเดลมีค่าความถูกต้องสูงถึงร้อยละ 95.71 ซึ่งสูงกว่าวิธีการมาตรฐานร้อยละ 24.71 สามารถนำไปใช้เป็นโมเดลต้นแบบเพื่อประกอบการวางแผนวินิจฉัยรักษา ณ โรงพยาบาลเลิดสิน ตลอดจนสามารถนำข้อสรุปจากการศึกษานี้ ไปประยุกต์ใช้ใน การพัฒนาต่อเนื่อง เพื่อโรงพยาบาลมะเร็งเฉพาะทาง โรงพยาบาลที่มีศูนย์มะเร็งแต่ขาดแคลนแพทย์เฉพาะทางด้านมะเร็งกระดูกชนิดออสติโอซาร์โคมาต่อไป

มหาวิทยาลัยธรรมศาสตร์. หอสมุดแห่งมหาวิทยาลัยธรรมศาสตร์

Address: กรุงเทพมหานคร

Email: preserv@tu.ac.th

Name: สิริมา มงคลสัมฤทธิ์

Role: อาจารย์ที่ปรึกษาหลัก

Name: นิติการ นิ่มสุข

Role: อาจารย์ที่ปรึกษาร่วม

Created: 2564

Modified: 2566-06-19

Issued: 2566-06-19

วิทยานิพนธ์/Thesis

application/pdf

DOI: 10.14457/TU.the.2021.1075

tha

DegreeName: ปรัชญาดุษฎีบัณฑิต

Level: ปริญญาเอก

Descipline: วิศวกรรมทางการแพทย์

Grantor: มหาวิทยาลัยธรรมศาสตร์

©copyrights มหาวิทยาลัยธรรมศาสตร์

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	11936chanunya.pdf	7.52 MB	6	2025-08-07 11:16:26

ใช้เวลา

0.028605 วินาที