การปรับปรุงวิธีการตรวจรู้มะเร็งผิวหนังโดยวิธีการเรียนรู้ของเครื่อง

The improvement method of skin cancer detection by machine learning

Name: โชคมงคล นาดี

Organization : มหาวิทยาลัยเทคโนโลยีราชมงคลล้านนา. คณะวิศวกรรมศาสตร์

Email : chokenad@hotmail.com.com

Name: ปรัชญา บำรุงกุล

Organization : มหาวิทยาลัยเทคโนโลยีราชมงคลล้านนา. คณะวิศวกรรมศาสตร์

Email : prachaya.bum1198@gmail.com

Name: กฤษดา ยิ่งขยัน

Organization : มหาวิทยาลัยเทคโนโลยีราชมงคลอีสาน. คณะเกษตรศาสตร์และเทคโนโลยี

Email : kisadacm@hotmail.com

keyword: อัลกอริทึมแบบงู

ThaSH: ผิวหนัง -- มะเร็ง -- การวินิจฉัย

ThaSH: อัลกอริทึม

ThaSH: การเรียนรู้ของเครื่อง

Abstract: บทความนี้นำเสนอวิธีการปรับปรุงการตรวจรู้มะเร็งผิวหนังโดยการ หาขอบของบริเวณผิวหนังด้วยอัลกอริทึมแบบงูร่วมกับวิธีการเรียนรู้ของ เครื่องหลายแบบวิธีเพื่อการวิเคราะห์โรคมะเร็งผิวหนัง โดยทำการ ออกแบบกลุ่มข้อมูลและใช้โมเดลของการเรียนรู้ของเครื่องด้วยวิธีการ เพื่อนบ้านใกล้ที่สุด (KNN) โครงข่ายประสาทเทียม (ANN) Adaptive Boosting (AdaBoost) Stochastic Gradient Descent (SGD) และการถด ถอยโลจิสติกส์ โดยวิธีการดังกล่าวนี้ได้นำเทคนิคการผูกมวลน้ำหนักมา ใช้จากค่าของน้ำหนักที่มอบหมายจากข้อมูลการเรียนรู้และได้ค่าคะแนน แนวทางการประเมินแบบเมทริกซ์ วิธีการของอัลกอริทึมแบบงูและ ค่าพารามิเตอร์เซตเพื่อหาขอบภาพมะเร็งผิวหนัง โดยกาหนดรูปทรง พื้นฐานทางเรขาคณิตมาช่วยแก้ปัญหา พบว่ามาตรฐานความแม่นยำการ เรียกคืน คะแนน F1 และพื้นที่ใต้เส้นโค้งเพื่อนำมาสร้างเป็นเวกเตอร์ น้ำหนักเพื่อหาแนวทางในการเรียนรู้ กลุ่มการเรียนรู้และผลการทดสอบ โดยอาศัยชุดของข้อมูลภาพถ่ายผิวหนังมาใช้ในการทดสอบ โดยแบ่งภาพ ของผิวหนังปกติจำนวน 1,372 ภาพ ภาพมะเร็งผิวหนังจำนวน 1,432 ภาพ ภาพผิวหนังอักเสบจำนวน 254 ภาพ ใช้เป็นชุดข้อมูลสำหรับการเรียนรู้ และภาพที่ใช้ในการทดสอบอีกกลุ่มหนึ่งใช้เป็นชุดข้อมูลทดสอบจำนวน 600 ภาพเพื่อใช้สำหรับเพิ่มประสิทธิภาพการตรวจรู้ จากผลการวิจัย โปรแกรมที่พัฒนาสามารถวิเคราะห์ภาพทดสอบด้วยความรวดเร็วและ ให้ผลการแยกแยะความถูกต้องของข้อมูลที่อยู่ในฐานการเรียนรู้และนอก ฐานการเรียนรู้ที่ 99.74 % และ 83.3 % ตามลำดับ

Abstract: This paper proposed the method for improving skin cancer detection by finding the edges of skin regions with snake algorithm with several machine learning methods for analyze skin cancer disease by design dataset and used a machine learning model using the nearest neighbor (KNN) method, artificial neural networks (ANN), Adaptive Boosting (AdaBoost), Stochastic Gradient Descent (SGD), and Logistic Regression. By this method, the mass binding technique was applied from the value of the assigned weight from the learning data and obtained the score, matrix assessment model, method of the snake algorithm and the set of parameters to find the edges of the skin cancer images based on the basic geometric shapes to solves the problem found that the standard accuracy, recall, F1 score, and area under the curve used to generate weight vectors to find learning guidelines. Learning groups and test results based on a set of skin image data were used for testing of 1,372 images of normal skin, 1,432 images of skin cancer, 254 images of dermatitis skin were used as the learning data set and another group of test image is used as test data set of 600 images are used for increase detection efficiency. From this research, the developed program can analyze the test images with a high speed and yielded the accuracy of the data in the learning base and outside the learning base at 99.74% and 83.3% respectively.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2566

Modified: 2567-03-11

Issued: 2567-03-11

บทความ/Article

application/pdf

BibliograpyCitation : ใน สมาคมวิชาการทางวิศวกรรมไฟฟ้า (ประเทศไทย) และ มหาวิทยาลัยเอเชียอาคเนย์ คณะวิศวกรรมศาสตร์. การประชุมวิชาการทางวิศวกรรมไฟฟ้า ครั้งที่ 46 (EECON-46) (pp.541-545). กระบี่ : มหาวิทยาลัยเอเชียอาคเนย์

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	EECON-46pp.541-545.pdf	588.24 KB	1	2025-01-06 00:27:27

ใช้เวลา

0.018316 วินาที