การคัดแยกและจำแนกภาพเซลล์มะเร็งเม็ดเลือดขาวเฉียบพลันชนิดลิมโฟไซต์โดยใช้โครงข่ายประสาทเทียม

Segmentation and classification of acute lymphoblastic leukemia images using artificial neural network

Name: คัทลียา พุ่มเจริญ

keyword: Convolutional neural network.

ThaSH: ปัญญาประดิษฐ์

ThaSH: นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)

ThaSH: มะเร็งเม็ดเลือดขาวชนิดลิมโฟไซต์ -- การจำแนก

ThaSH: การประมวลผลภาพ

Abstract: ปัจจุบันโรคมะเร็งเม็ดเลือดขาวชนิดเฉียบพลัน เป็นโรคมะเร็งที่พบได้บ่อยที่สุดในเด็กถึงร้อยละ 38.1 ของมะเร็งทั้งหมดในเด็ก โดยงานวิจัยนี้ได้นำเสนอปัญญาประดิษฐ์ด้วยเทคนิคโครงข่ายประสาทแบบคอนโวลูชั่นด้วยโครงสร้าง RetNet-18 สำหรับการคัดแยกและจำแนกภาพเซลล์มะเร็งเม็ดเลือดขาวเฉียบพลันชนิดลิมโฟไซต์จากภาพถ่ายที่ได้จากกล้องจุลทรรศน์ เพื่อช่วยประเมินเซลล์เบื้องต้นด้วยตนเองได้ โดยงานวิจัยนี้ได้ใช้ภาพถ่ายที่ได้จากกล้องจุลทรรศน์ในฐานข้อมูล ALL-IDB2 และภาพที่ถ่ายผ่านกล้องจุลทรรศน์ด้วยตนเอง ซึ่งในการออกแบบระบบนั้นได้นำชุดข้อมูลภาพเซลล์เม็ดเลือดขาวชนิดลิมโฟไซต์ปกติและเซลล์มะเร็งเม็ดเลือดขาวเฉียบพลันชนิดลิมโฟไซต์ทั้ง 3 ประเภท จำนวน 1500 ภาพ มาสอน Model ให้สามารถจำแนกประเภทของภาพเซลล์มะเร็งเม็ดเลือดขาวได้ จากการทดสอบการทำงานของระบบที่พัฒนาขึ้นโดยการทดลองนำภาพมาทดสอบ ปรากฏว่า ระบบสามารถทำนายการจำแนกประเภทของเซลล์เม็ดเลือดขาวปกติกับเซลล์มะเร็งเม็ดเลือดขาวผิดปกติได้เป็นที่น่าพอใจด้วยค่าความถูกต้องเท่ากับร้อยละ 100 และค่าความแม่นยำเท่ากับร้อยละ 100 และระบบสามารถทำนายการจำแนกประเภทของเซลล์เม็ดเลือดขาวปกติกับเซลล์มะเร็งเม็ดเลือดขาวเฉียบพลันชนิดลิมโฟไซต์แต่ละประเภทได้ด้วยค่าความถูกต้องเท่ากับร้อยละ 92.31 และค่าความแม่นยำเท่ากับร้อยละ 60.71

Abstract: Currently, acute leukemia is the most common cancer in children, accounting for 38.1 percent of all cancers in children. This research presents artificial intelligence using convolution neural network technique with a RetNet-18 structure for sorting each type of acute lymphoblastic leukemia from microscopic images. Microscopic images in the public ALL-IDB2 database and manual microscopic images were used to design the system. Total of 1500 images of normal lymphocyte and leukemic cells of 3 types of acute lymphoblastic leukemia will be used to train the model to recognize and classify the types of leukemia cells. Based on the functional tests developed by experimental imaging, it appears that the system can satisfactorily predict the classification of normal lymphocyte with leukemia cells with an accuracy of 100 percent and precision of 100 percent. The system can predict the classification of normal lymphocyte with each type of acute lymphoblastic leukemia with an accuracy of 92.31 percent and precision of 60.71 percent.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: ประสงค์ ธูสรานนท์

Role: ที่ปรึกษาวิทยานิพนธ์

Email : prasong.t@sci.kmutnb.ac.th

Name: อัจฉราวรรณ ทองมี

Role: ที่ปรึกษาวิทยานิพนธ์

Created: 2565

Modified: 2566-10-12

Issued: 2566-10-12

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิทยาศาสตร์มหาบัณฑิต

Level: ปริญญาโท

Descipline: อุปกรณ์การแพทย์

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B17615124.pdf	11.79 MB	4	2024-12-06 13:58:17

ใช้เวลา

0.02375 วินาที