Page 219 - EBOOK-TRON_2018

โรคจอประสาทตาเสื่อมและโรคเบาหวานขึ้นจอตาสามารถป้องกันหรือลดความรุนแรงของโรคได้ หากพบแนวโน้มการเป็นโรค ล้ำาสมัยที่นำาไปใช้ในด้านการรู้จำาเสียง (speech recognition) การรู้จำาวัตถุ (visual object recognition) การตรวจจับวัตถุ (object detection) หรือด้านอื่น ๆ เช่น การศึกษา
ตั้งแต่เนิ่น ๆ จะนำาไปสู่การรักษา ลดการสูญเสีย ลดค่าใช้จ่ายทางการแพทย์ และเพิ่มคุณภาพชีวิตของผู้สูงอายุได้ การตรวจ จีโนม (genome) ของสิ่งมีชีวิต กระบวนการเรียนรู้เชิงลึกค้นพบโครงสร้างของกลุ่มข้อมูลขนาดใหญ่ที่สลับซับซ้อนโดยการใช้กระบวนการแพร่ย้อนกลับ (backpropagation

วินิจฉัยโรคเบาหวานขึ้นจอตาและโรคจอประสาทตาเสื่อมนั้นต้องได้รับการตรวจจากจักษุแพทย์โดยการตรวจจอตา อย่างไรก็ตาม algorithm) เพื่อระบุการเปลี่ยนแปลงพารามิเตอร์ในการคำานวณรูปแบบของข้อมูลแต่ละชั้นจากการใช้รูปแบบของข้อมูลชั้นก่อนหน้า แต่ก่อนนั้นการใช้โครงข่ายประสาท

จักษุแพทย์ในประเทศไทยยังขาดแคลนไม่เพียงพอต่อความต้องการโดยเฉพาะอย่างยิ่งโรงพยาบาลในพื้นที่ห่างไกล ด้วยข้อจำากัด เทียม (neural network) ต้องมีการคัดเลือกคุณลักษณะเด่น (feature extraction) และพิจารณาถึงลำาดับความสำาคัญอย่างรอบคอบจากผู้วิจัย หรือการใช้ handcraft

ดังกล่าว ทำาให้การตรวจวินิจฉัยโรคมีข้อจำากัด บ่อยครั้งที่ผู้ป่วยไม่ได้รับการรักษาอย่างทันท่วงที ทำาให้เกิดการสูญเสียการมองเห็น feature selection ซึ่งต้องใช้ความชำานาญ ระยะเวลานานและมีค่าใช้จ่าย แต่ในการเรียนรู้เชิงลึกนั้นการคัดเลือกคุณลักษณะเด่นไม่ได้เกี่ยวข้องกับมนุษย์ แบบจำาลอง
แผนงานวิจัยนี้มีวัตถุประสงค์ที่จะพัฒนาชุดอุปกรณ์กล้องจุลทรรศน์สมาร์ทโฟนถ่ายภาพจอตา (Smartphone Fundus เรียนรู้จากข้อมูลและนำามาสร้างคุณลักษณะเด่นดังกล่าว

Microscope) ซึ่งเป็นกล้องจุลทรรศน์แบบพกพาที่ใช้ศักยภาพการถ่ายรูปความละเอียดสูงของสมาร์ทโฟนร่วมกับระบบออป นักวิจัยได้ทำาการพัฒนาจอประสาทตาเสื่อมอย่างอัตโนมัติจากภาพถ่ายจอตาโดยวิธีการตรวจจับสารของเสียที่เกิดในชั้นใต้จอประสาทตา ลักษณะจุดเหลืองๆ

ติกส์ที่พัฒนาขึ้นสำาหรับถ่ายภาพความละเอียดสูงของจอประสาทตา เพื่อใช้เป็นข้อมูลพื้นฐานในการวิเคราะห์ด้วยขั้นตอน (drusen) โดยใช้เทคนิคการประมวลผลภาพขั้นสูง การใช้เทคนิคการปรับปรุงภาพในระบบแม่สีเขียว (green channel) และมีการแปลงสัญญาณ radon transform (RT)

วิธี (algorithm) ตรวจคัดกรองโรคเบาหวานขึ้นจอตาและโรคจอประสาทตาเสื่อมอย่างอัตฺโนมัติจากภาพถ่ายจอตาในรูปแบบ ในการช่วยสกัดหาลักษณะเด่น (feature extraction) ที่แตกต่างกันของรูปภาพจอตาที่เป็นโรคจอประสาทตาเสื่อมและรูปภาพจอตาที่ไม่ได้เป็นโรคจอประสาทตาเสื่อมโดย
แอพพลิเคชั่นบนสมาร์ทโฟน เพื่อช่วยแพทย์และจักษุแพทย์ในการวินิจฉัยและตรวจคัดกรองโดยเฉพาะอย่างยิ่งกับโรงพยาบาลใน ลักษณะเด่นดังกล่าวจะถูกนำามาใช้ในการจำาแนกรูปภาพ โดยมีการใช้วีธีการ k-nearest neighbors (k-NN) หรือวิธีการ support vector machine (SVM) แต่อย่างไรก็ตาม

พื้นที่ห่างไกล โดยขั้นตอนวิธีที่พัฒนาขึ้นจะสามารถตรวจจับโรคเบาหวานขึ้นจอตาทั้ง 5 ระดับคือ No diabetic retinopathy (No การคัดกรองดังกล่าวยังไม่สามารถคัดกรองประเภทของโรคจอประสาทตาเสื่อมได้ ซึ่งมีส่วนช่วยในรูปแบบของการรักษา ขั้นตอนวิธีที่พัฒนาขึ้นจะสามารถคัดกรองโรค

DR), mild non-proliferative diabetic retinopathy (Mild NPDR), moderate non-proliferative diabetic retinopathy (Moderate จอประสาทตาเสื่อมโดยระบุประเภทของโรคได้ คือโรคจอประสาทตาเสื่อมชนิดแห้ง (dry AMD) และโรคจอประสาทตาเสื่อมชนิดเปียก (wet AMD) โดยภาพถ่ายจอตา

NPDR), severe non-proliferative diabetic retinopathy (Severe NPDR) และ proliferative diabetic retinopathy (PDR) และ จะถูกวิเคราะห์ด้วยการแปลงสัญญาณแบบเวฟเล็ตแพ็คเก็ต (wavelet packet transform) ในการเตรียมข้อมูลก่อนการประมวลผล (preprocessing) เพื่อแปลงข้อมูลไป
สามารถตรวจจับโรคจอประสาทตาเสื่อมโดยสามารถระบุประเภทของโรคได้คือ โรคจอประสาทตาเสื่อมชนิดแห้ง (dry AMD) และ ในโดเมนเวลาและความถี่ (time-frequency representation) เพื่อให้เห็นความแตกต่างระหว่างโรคและระหว่างประเภทของโรคชัดเจนยิ่งขึ้น จากนั้นข้อมูลดังกล่าวจะถูก

โรคจอประสาทตาเสื่อมชนิดเปียก (wet AMD) ด้วยประมวลผลด้วยระบบโครงข่ายประสาทเทียมเชิงลึก (artificial deep neural นำามาฝึกฝนด้วยโครงข่ายประสาทเทียมเชิงลึก (artificial deep neural network) โดยแยกเป็น 2 ส่วนคือ 1. เพื่อสกัดลักษณะเด่น (feature extraction) อย่างอัตโนมัติโดย

network) ที่สามารถเรียนรู้ และจดจำาลักษณะเด่นของโรคตาชนิดต่างๆ ดังกล่าวได้อย่างถูกต้องแม่นยำา ซึ่งจะทำาให้จักษุแพทย์ ไม่ต้องใช้คน ดังนั้นจึงสามารถลดระยะใช้เวลาและค่าใช้จ่ายที่ใช้ในการสกัดลักษณะเด่นลงได้อย่างมาก และ 2. เพื่อเรียนรู้และจดจำาลักษณะเด่นที่แตกต่างกันของโรค

หรือบุคลากรทางสาธารณสุขสามารถคัดกรองโรคเบาหวานขึ้นจอตาในผู้ป่วยเบาหวานและผู้ป่วยโรคจอประสาทตาเสื่อมสำาหรับ จอประสาทตาเสื่อมทั้ง 2 ประเภทได้อย่างถูกต้องแม่นยำา ทั้งนี้เพื่อให้สามารถนำาไปประยุกต์ใช้เป็นระบบสนับสนุนการตรวจวินิจฉัยของแพทย์ได้อย่างมีประสิทธิภาพ
ผู้สูงอายุได้ทั่วถึง ซึ่งเมื่อจักษุแพทย์ได้นำาอุปกรณ์ดังกล่าวมาใช้จริง จะช่วยลดความเหลื่อมล้ำาในการเข้าถึงบริการสาธารณสุข โดยมีรายละเอียดขั้นตอนต่าง ๆ ดังนี้

ระหว่างประชาชนในเขตเมืองใหญ่และชนบทของประเทศไทยให้น้อยลงได้

วัตถุประสงค์ การนำาผลงานวิจัยไปใช้ประโยชน์

1. พัฒนาขั้นตอนวิธีในการตรวจคัดกรองโรคเบาหวานขึ้นจอตาอย่างอัตโนมัติจากภาพถ่ายจอตาให้มีค่าความไว โครงการวิจัยนี้เป็นส่วนหนึ่งของแผนงานวิจัยที่ขยายผลงานวิจัยของคณะนักวิจัยไปสู่การ

(sensitivity) และค่าความจำาเพาะ (specificity) อย่างน้อยอย่างละ 90% และใช้เวลาในการคัดกรองน้อยกว่า ใช้งานจริง ก่อนที่จะขยายผลไปสู่การใช้ระดับประเทศ คณะนักวิจัยมีประสบการณ์และ
การคัดกรองที่มีอยู่อย่างมีนัยสำาคัญ สามารถทำางานในรูปแบบแอพพลิเคชั่นบนสมาร์ทโฟน ประสบความสำาเร็จในการพัฒนาขั้นตอนวิธีการตรวจคัดกรองโรคต่างๆ ด้วยเทคนิคปัญญา

2. เพื่อพัฒนาขั้นตอนวิธีในการตรวจคัดกรองโรคจอประสาทตาเสื่อมอย่างอัตโนมัติจากภาพถ่ายจอตาให้มีค่า ประดิษฐ์ ได้แก่ การตรวจจับสิ่งอุดหลอดเลือด (microembolus) ซึ่งเป็นสาเหตุหลักของการ

ความไว (sensitivity) และค่าความจำาเพาะ (specificity) อย่างน้อยอย่างละ 90% และใช้เวลาในการคัดกรอง เกิดโรคหลอดเลือดสมองอย่างอัตโนมัติและแบบทันเวลา การตรวจคัดกรองเชื้อไซโตเมกะโล

น้อยกว่าการคัดกรองที่มีอยู่อย่างมีนัยสำาคัญ สามารถทำางานในรูปแบบแอพพลิเคชั่นบนสมาร์ทโฟน ไวรัสขึ้นจอตาอย่างอัตโนมัติ การตรวจคัดกรองผู้ป่วยโรคอัลไซเมอร์ด้วยเสียงพูด เป็นต้น
3. เพื่อทดสอบกับ case เพื่อการทดสอบประสิทธิภาพและ validate ระบบในการใช้การตรวจภาพถ่ายจอตาที่ได้ อีกทั้งประสบความสำาเร็จในการพัฒนาขั้นตอนวิธีในการตรวจความแท้และไม่แท้ของ

จากเทคโนโลยีสมาร์ทโฟนเทียบกับการตรวจมาตรฐานในการใช้ตรวจคัดกรองเบาหวานขึ้นจอตา โบราณวัตถุ และความแท้และไม่แท้ของสินค้าแบรนด์เนมด้วยโครงข่ายประสาทเทียมเชิงลึก

4. เพื่อทดสอบกับ case เพื่อการทดสอบประสิทธิภาพและ validate ระบบในการใช้การตรวจภาพถ่ายจอตาที่ได้ รวมทั้งมีประสบการณ์ในการนำาขั้นตอนวิธีที่พัฒนาแล้วไปประยุกต์ใช้ในรูปแบบแอพพลิเคชั่

จากเทคโนโลยีสมาร์ทโฟนเทียบกับการตรวจมาตรฐานในการตรวจคัดกรองจอประสาทตาเสื่อม นบนสมาร์ทโฟน อย่างไรก็ตาม คณะนักวิจัยยังต้องการคอมพิวเตอร์ที่ศักยภาพเพียงพอใน
การประมวลผลภาพจอตาโดยใช้โครงข่ายประสาทเทียมเชิงลึกซึ่งมีความสลับซับซ้อนแต่มี

ประสิทธิภาพสูง คณะนักวิจัยเชื่อว่าโครงข่ายประสาทเทียมเชิงลึกจะสามารถสกัดลักษณะ
จุดเด่น เด่นที่แตกต่างกันของโรคเบาหวานขึ้นจอตาทั้ง 5 ระดับ และโรคจอประสาทตาเสื่อมทั้ง

ด้วยข้อจำากัดของการคัดกรองโรคเบาหวานขึ้นจอตาและโรคจอประสาทตาเสื่อม คณะผู้วิจัยจึงมีแนวคิดในการ 2 ประเภท ได้อย่างมีประสิทธิภาพและรวดเร็ว อีกทั้งสามารถจำาแนกประเภทโรคตาชนิด

พัฒนาขั้นตอนวิธีในการตรวจคัดกรองโรคดังกล่าวอย่างอัตโนมัติจากภาพถ่ายจอตาที่ถ่ายจากกล้องจุลทรรศน์ ต่างๆ ได้อย่างถูกต้องแม่นยำา เป็นการพัฒนานวัตกรรมซอฟแวร์ที่ยังไม่มีผู้ใดทำามาก่อน

สมาร์ทโฟนโดยไม่ต้องใช้ยาขยายม่านตา เนื่องจากการหยอดยาขยายม่านตาต้องการทำาโดยบุคลากรทางการ ภายใต้ทุนที่ไม่สูงมาก ส่งผลให้สามารถลดการนำาเข้าเครื่องมือวิทยาศาสตร์และลดการพึ่งพา

แพทย์ที่ได้รับการฝึกฝนมาอย่างดี อีกทั้งยาขยายม่านตาอาจมีผลข้างเคียงก่อให้การเกิดโรคต้อหินเฉียบพลันได้ ต่างประเทศในด้านอุปกรณ์และเครื่องมือวิทยาศาสตร์ รวมทั้งช่วยบรรเทาปัญหาการตรวจ
ขั้นตอนวิธีที่พัฒนาขึ้นจะสามารถคัดกรองโรคเบาหวานขึ้นจอตาอย่างอัตโนมัติสามารถคัดแยกระดับความรุนแรง คัดกรองโรคตาในพื้นที่ขาดแคลนบุคคลาการทางการแพทย์

ของโรคทั้ง 5 ระดับ ได้แก่ ดังนี้ No DR, Mild NPDR, Moderate NPDR, Severe NPDR และ PDR โดยการ

ประยุกต์ใช้โครงข่ายประสาทเทียมเชิงลึก ทั้งนี้เพื่อให้สามารถนำาไปประยุกต์ใช้เป็นระบบสนับสนุนการตรวจวินิจฉัย

ของแพทย์ได้อย่างมีประสิทธิภาพ
การเรียนรู้เชิงลึก (Deep learning: DL) สร้างแบบจำาลองการคำานวณที่มีการประมวลผลหลายชั้น (multiple

processing layers) ที่สามารถเรียนรู้รูปแบบข้อมูลในแต่ละชั้นที่แสดงออกมา วิธีการเหล่านี้เป็นเทคโนโลยีที่