การศึกษาเบื้องต้นของการจำลองภาพใบหน้า 3 มิติ สำหรับการประยุกต์ใช้ทางนิติวิทยาศาสตร์

A Preliminary study of 3D facial recognition image for forensic science applications

Name: เสฎฐวุฒิ บุญสุข

ThaSH: ใบหน้า -- แบบจำลอง

ThaSH: แบบจำลองทางคอมพิวเตอร์

ThaSH: นิติวิทยาศาสตร์

Abstract: การระบุเอกลักษณ์บุคคลในทางด้านนิติวิทยาศาสตร์มีความสำคัญอย่างยิ่ง โดยเฉพาะในกรณีที่ไม่สามารถใช้วิธีการตรวจสอบทางชีวภาพแบบดั้งเดิมได้ เช่น การตรวจ DNA หรือการเปรียบเทียบนิ้วมือ ซึ่งมักล้มเหลวเมื่อศพเน่าเปื่อยหรือได้รับความเสียหายรุนแรง งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาแนวทางการจำลองภาพใบหน้าแบบสามมิติจากกะโหลกศีรษะ ด้วยการใช้เทคนิค Deep Learning โดยใช้โมเดล U-Netในการทดลองนี้ ผู้วิจัยได้ใช้ชุดข้อมูลภาพถ่าย pseudo-CT และ MRI ของผู้ป่วย 120 ราย โดยเพิ่มจำนวนชุดข้อมูลด้วยการปรับหมุนภาพใน 9 มุมมอง (Rotation angles) ได้จำนวน 1,080 คู่ภาพ ภาพทั้งหมดถูกจัดกลุ่มเป็น Training Set จำนวน 1,080 ภาพ และ Test Set ที่ทำการปรับหมุนภาพใหม่เพิ่มเติมอีก 284 ภาพ เพื่อประเมินความสามารถของโมเดลในการสร้างภาพโมเดล U-Net ซึ่งเป็นสถาปัตยกรรมที่นิยมอย่างแพร่หลายในงานการประมวลผลภาพทางการแพทย์ โมเดลถูกฝึกให้เรียนรู้การสร้างภาพเนื้อเยื่อใบหน้าจำลองจากภาพกะโหลกเปล่า ผ่านการจับคู่ภาพกะโหลก (input) กับภาพใบหน้าจริง (output) โดยใช้ loss function แบบ Mean Squared Error (MSE) เพื่อวัดความคลาดเคลื่อนระหว่างภาพจำลองกับภาพจริง และปรับค่าพารามิเตอร์ด้วย Adam optimizer เพื่อเพิ่มประสิทธิภาพในการเรียนรู้ผลลัพธ์ของโมเดลถูกประเมินโดยใช้กลุ่มอาสาสมัคร 50 คน ทำแบบทดสอบจับคู่ภาพใบหน้าจำลองกับภาพใบหน้าจริง พบว่าคะแนนเฉลี่ยของความเหมือนอยู่ที่ 6.2 คะแนน จากเต็ม 10ผลการศึกษาชี้ให้เห็นว่า การจำลองใบหน้าแบบ 3 มิติจากกะโหลกด้วยโมเดล U-Net สามารถช่วยระบุเอกลักษณ์บุคคลในงานนิติวิทยาศาสตร์ โดยเฉพาะในกรณีที่ไม่สามารถใช้หลักฐานทางชีวภาพได้ และสามารถช่วยลดขอบเขตการค้นหาให้แคบลง อย่างไรก็ตาม ยังจำเป็นต้องพัฒนาโมเดลให้แม่นยำยิ่งขึ้น โดยเพิ่มความหลากหลายของชุดข้อมูลฝึก เช่น เชื้อชาติ ช่วงอายุ และลักษณะใบหน้า รวมถึงการศึกษาและเปรียบเทียบประสิทธิภาพกับโมเดลปัญญาประดิษฐ์ประเภทอื่น และทดสอบการใช้งานในสถานการณ์จริง เพื่อประเมินความพร้อมของระบบต่อการนำไปใช้ในด้านนิติวิทยาศาสตร์

Abstract: Personal identification in forensic science is critically important, especially in cases where conventional biological methods such as DNA analysis or fingerprint comparison are not viable—typically due to severe decomposition or damage to the body. This study aims to investigate a method for reconstructing 3D facial images from skulls using Deep Learning techniques, specifically employing the U-Net model. In the experiment, the researchers utilized pseudo-CT and MRI images from 120 patients. To augment the dataset, each image was rotated across nine different angles, resulting in 1,080 image pairs for the training set. An additional 284 rotated images were used as the test set to evaluate the model’s performance. The U-Net model, widely used in medical image processing, was trained to generate simulated facial tissue from skull images by pairing skull inputs with actual facial outputs. The training process employed the Mean Squared Error (MSE) loss function to measure the discrepancy between reconstructed and real images, and the Adam optimizer was used to enhance learning efficiency. To assess the model’s effectiveness, 50 volunteers participated in a matching test, comparing reconstructed facial images with actual photographs. The average similarity score was 6.2 out of 10. The findings suggest that 3D facial reconstruction from skulls using the U-Net model can support forensic identification, particularly when biological evidence is unavailable, and can help narrow down the search scope. However, further development is needed to improve model accuracy by incorporating more diverse training data—such as variations in ethnicity, age, and facial features. Future work should also include comparisons with other AI models and real-world testing to evaluate the system’s readiness for forensic applications.

มหาวิทยาลัยเชียงใหม่. สำนักหอสมุด

Address: เชียงใหม่

Email: cmulibref@cmu.ac.th

Name: คมสันติ โชคถวาย

Role: อาจารย์ที่ปรึกษา

Name: อุเทน ยะราช

Role: อาจารย์ที่ปรึกษา

Name: กิตติชัย วรรธนะจิตติกุล

Role: อาจารย์ที่ปรึกษา

Created: 2569

Modified: 2569-01-23

Issued: 2569-01-23

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิทยาศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: นิติวิทยาศาสตร์

Grantor: มหาวิทยาลัยเชียงใหม่

©copyrights มหาวิทยาลัยเชียงใหม่

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	642831018.pdf	2.09 MB

ใช้เวลา

0.034904 วินาที