การตรวจจับและระบุตำแหน่งของจุดเลือดออกในสมองจากภาพถ่ายคลื่นแม่เหล็กไฟฟ้าโดยใช้เครือข่ายแบบสังวัฒนาการ
วิทยาศาสตรมหาบัณฑิต (เทคโนโลยีสารสนเทศ), 2562
Saved in:
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | Theses and Dissertations |
| Language: | Thai |
| Published: |
มหาวิทยาลัยสงขลานครินทร์
2024
|
| Subjects: | |
| Online Access: | http://kb.psu.ac.th/psukb/handle/2016/19572 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Institution: | Prince of Songkhla University |
| Language: | Thai |
| id |
th-psu.2016-19572 |
|---|---|
| record_format |
dspace |
| spelling |
th-psu.2016-195722024-07-25T07:37:10Z การตรวจจับและระบุตำแหน่งของจุดเลือดออกในสมองจากภาพถ่ายคลื่นแม่เหล็กไฟฟ้าโดยใช้เครือข่ายแบบสังวัฒนาการ Cerebral Microbleed Detection by Extracting Area and Number from Susceptibility Weighted Imagery using Convolutional Neural Network สุจิตตรา เสงี่ยม ขวัญกมล ดิฐกัญจน์ College of Computing (Information Technology) วิทยาลัยการคอมพิวเตอร์ สาขาเทคโนโลยีสารสนเทศ สมอง ภาวะเลือดออก การเรียนรู้เชิงลึก การตรวจจับจุดเลือดออกในสมอง วิทยาศาสตรมหาบัณฑิต (เทคโนโลยีสารสนเทศ), 2562 Cerebral micro-bleeding (CMB) is the condition where small vessels in the brain suffer small chronic hemorrhages. The main cause of CMB is hypertension. CMB does not have any symptoms in the short term but could cause the Alzheimer's disease in the long term. CMB patients generally have difficulties with daily activities such as speaking, walking, and remembering. Currently, CMB is manually diagnosed by the doctor, and there are many limitations (using time and not accurate, up to the doctor experience). The performance and reliability are importance. This thesis presents an automatic micro-bleeding detection and location from susceptibility weighted imaging (SWI) brain scan framework. The data used with respect to this research was collected from 26 patients that obtained from the local hospital in Phuket. A set of images from 16 patients was used as a training set and a set of images from 10 patients was used as test set. The process started with the training set images were segmented thus the region of interests (ROIs) were identified. Once a collection of ROIs has been obtained. The classifier generation process was then commenced. With respect to the work presented in this thesis, there were 4 architectures of Convolutional neural network were carried out: (i) Alexnet (ii) Googlenet (iii) Resnet50 and (iv) Squeezenet. The experiments also evaluated the classification performance using the different number of samples. There were five experiments had been conducted: 1,000 2,000 3,000 4,000 and 5000 samples. There were 4 areas of the brain were extracted using shape matching technique. The areas include: (i) cortical (ii) subcortical (iii) cerebellum and (iv) brainstem. There was 95.76% accuracy was recorded for CMB detection while 100% accurate was recorded for area (location) identification on the test set. การตรวจจับจุดเลือดออกในสมอง (Cerebral Microbleeding: CMB) เป็นภาวะเลือดออกในสมองเป็นจุดเล็ก ๆ ซึ่งเป็นอาการเริ่มต้นของโรคอัลไซเมอร์ ซึ่งเดิมการวินิจฉัยกระทําโดย แพทย์เฉพาะทางด้านประสาทวิทยาหรือผู้เชี่ยวชาญ อย่างไรก็ตามกระบวนการนี้ใช้เวลานาน และ ผลลัพธ์ที่ได้ไม่แม่นยํา เนื่องจากขึ้นอยู่กับประสบการณ์ของแพทย์ ซึ่งประสิทธิภาพและความน่าเชื่อถือของการวินิจฉัยเป็นสิ่งที่จําเป็น งานวิจัยนี้จึงเสนอกรอบแนวคิดของการตรวจจับ จุดเลือดออกและตําแหน่งของจุดในสมอง ซึ่งนําภาพถ่ายสมองมาจากโรงพยาบาลในจังหวัดภูเก็ต ของผู้ป่วย จํานวน 26 คน แบ่งเป็นภาพที่ใช้ในกระบวนการสร้างตัวจําแนก จํานวน 16 คน และใช้ใน กระบวนการทดสอบ จํานวน 10 คน โดยมีการระบุจุดที่สนใจจากภาพถ่ายสมอง รวมถึงระบุตําแหน่ง ของจุดจากภาพถ่ายคลื่นแม่เหล็กไฟฟ้าแบบ SWI นอกจากนี้มีการนําระบบโครงข่ายประสาทเทียม แบบสังวัฒนาการ (Convolution Neural Network: CNN) มาสร้างตัวจําแนกเพื่อการทํานาย ซึ่งใช้ ในขั้นตอนการตรวจจับจุดเลือดออกในสมอง โดยมีการทดสอบความแม่นยําเพื่อเลือกวิธีการที่ใช้ จาก 4 วิธีการคือ 1) Alexnet 2) Googlenet 3) Resnet50 และ 4) Squeezenet รวมถึงมีการทดสอบ จํานวนของข้อมูลที่ใช้ที่ทําให้มีค่าความแม่นยํา โดยทดสอบจากข้อมูลจํานวน 1,000 2,000 3,000 4,000 และ 5,000 ภาพ ส่วนในการระบุตําแหน่งของจุดมีการใช้การจับคู่ภาพที่มีรูปร่างเหมือนกัน (Shape matching) ตําแหน่งที่แสดงในงานวิจัยนี้มี 1) เนื้อสมองส่วนนอก (Cortical) 2) เนื้อสมอง ส่วนใน (Subcortical) 3) สมองส่วนท้าย (Cerebellum) และ 4) ก้านสมอง (Brainstem) ซึ่งผลลัพธ์ ที่ได้จากการตรวจจับจุดเลือดออกในสมอง และการระบุตําแหน่งมีค่าความแม่นยําร้อยละ 95.76 และร้อยละ 100 ตามลําดับ 2024-07-25T07:37:10Z 2024-07-25T07:37:10Z 2019 Thesis http://kb.psu.ac.th/psukb/handle/2016/19572 th Attribution-NonCommercial-NoDerivs 3.0 Thailand http://creativecommons.org/licenses/by-nc-nd/3.0/th/ application/pdf มหาวิทยาลัยสงขลานครินทร์ |
| institution |
Prince of Songkhla University |
| building |
Khunying Long Athakravi Sunthorn Learning Resources Center |
| continent |
Asia |
| country |
Thailand Thailand |
| content_provider |
Khunying Long Athakravi Sunthorn Learning Resources Center |
| collection |
PSU Knowledge Bank |
| language |
Thai |
| topic |
สมอง ภาวะเลือดออก การเรียนรู้เชิงลึก การตรวจจับจุดเลือดออกในสมอง |
| spellingShingle |
สมอง ภาวะเลือดออก การเรียนรู้เชิงลึก การตรวจจับจุดเลือดออกในสมอง สุจิตตรา เสงี่ยม การตรวจจับและระบุตำแหน่งของจุดเลือดออกในสมองจากภาพถ่ายคลื่นแม่เหล็กไฟฟ้าโดยใช้เครือข่ายแบบสังวัฒนาการ |
| description |
วิทยาศาสตรมหาบัณฑิต (เทคโนโลยีสารสนเทศ), 2562 |
| author2 |
ขวัญกมล ดิฐกัญจน์ |
| author_facet |
ขวัญกมล ดิฐกัญจน์ สุจิตตรา เสงี่ยม |
| format |
Theses and Dissertations |
| author |
สุจิตตรา เสงี่ยม |
| author_sort |
สุจิตตรา เสงี่ยม |
| title |
การตรวจจับและระบุตำแหน่งของจุดเลือดออกในสมองจากภาพถ่ายคลื่นแม่เหล็กไฟฟ้าโดยใช้เครือข่ายแบบสังวัฒนาการ |
| title_short |
การตรวจจับและระบุตำแหน่งของจุดเลือดออกในสมองจากภาพถ่ายคลื่นแม่เหล็กไฟฟ้าโดยใช้เครือข่ายแบบสังวัฒนาการ |
| title_full |
การตรวจจับและระบุตำแหน่งของจุดเลือดออกในสมองจากภาพถ่ายคลื่นแม่เหล็กไฟฟ้าโดยใช้เครือข่ายแบบสังวัฒนาการ |
| title_fullStr |
การตรวจจับและระบุตำแหน่งของจุดเลือดออกในสมองจากภาพถ่ายคลื่นแม่เหล็กไฟฟ้าโดยใช้เครือข่ายแบบสังวัฒนาการ |
| title_full_unstemmed |
การตรวจจับและระบุตำแหน่งของจุดเลือดออกในสมองจากภาพถ่ายคลื่นแม่เหล็กไฟฟ้าโดยใช้เครือข่ายแบบสังวัฒนาการ |
| title_sort |
การตรวจจับและระบุตำแหน่งของจุดเลือดออกในสมองจากภาพถ่ายคลื่นแม่เหล็กไฟฟ้าโดยใช้เครือข่ายแบบสังวัฒนาการ |
| publisher |
มหาวิทยาลัยสงขลานครินทร์ |
| publishDate |
2024 |
| url |
http://kb.psu.ac.th/psukb/handle/2016/19572 |
| _version_ |
1806509645286604800 |