การปรับปรุงประสิทธิภาพการจำแนกภาพเอกซเรย์ทรวงอกด้วยโครงข่ายประสาทเทียมแบบสังวัตนาการโดยใช้เทคนิคการเพิ่มภาพสำหรับวินิจฉัยโรคโควิด-19
Article Sidebar
เผยแพร่แล้ว:
ม.ค. 26, 2021
คำสำคัญ:
การจำแนกภาพ โครงข่ายประสาทเทียมแบบสังวัตนาการ ภาพเอกซเรย์ทรวงอก โควิด-19 เทคนิคการเพิ่มภาพ
Main Article Content
บทคัดย่อ
การจำแนกภาพเป็นวิธีหนึ่งที่น่าสนใจในการประมวลผลภาพ โครงข่ายประสาทเทียมแบบสังวัตนาการ (Convolutional Neural Network; CNN) เป็นลอการิทึมที่ถูกนำมาใช้อย่างแพร่หลายสำหรับจำแนกภาพ อย่างไรก็ตาม ข้อจำกัดของ CNN คือ ประสิทธิภาพการจำแนกรูปภาพขึ้นอยู่กับจำนวนรูปภาพที่เข้าสู่กระบวนการฝึกสอน งานวิจัยมีวัตถุประสงค์เพื่อปรับปรุงประสิทธิภาพการจำแนกภาพเอกซเรย์ทรวงอกด้วย CNN สำหรับวินิจฉัยโรคโควิด-19 โดยใช้เทคนิคการเพิ่มภาพ โดยมีการเปรียบเทียบเทคนิคการเพิ่มภาพในแต่ละวิธีในการเพิ่มความถูกต้องให้กับกระบวนการฝึกสอนของ CNN ผลของการวิจัยแสดงให้เห็นว่า วิธีการหมุนภาพ (Rotation) ให้ประสิทธิภาพการฝึกสอนที่ 99.67% ซึ่งมีประสิทธิภาพในการจำแนกภาพเอกซเรย์ทรวงอกด้วย CNN สำหรับวินิจฉัยโรคโควิด-19 มากกว่างานวิจัยก่อนหน้านี้
Article Details
บท
บทความวิจัย ด้านเทคโนโลยีสารสนเทศ
บทความที่ลงตีพิมพ์เป็นข้อคิดเห็นของผู้เขียนเท่านั้น
ผู้เขียนจะต้องเป็นผู้รับผิดชอบต่อผลทางกฎหมายใดๆ ที่อาจเกิดขึ้นจากบทความนั้น
References
[1] R. Maude. (2020, May). Coronavirus Prevention Methods (COVID-19). [Online]. Available: https://med.mahidol.ac.th/rama_hospital/th/services/knowledge/03162020-1648
[2] BBC NEWS. (2020, May). Coronavirus: The Origin, Symptoms, Treatment and Prevention COVID-19. [Online]. Available: https://www.bbc.com/thai/features-51734255
[3] J. P. Cohen, P. Morrison, and L. Dao, “COVID-19 image data collection,” arXiv:2003.11597vl, 2020.
[4] A. Abbas, M. Abdelsamea, and M. Gaber, “Classification of COVID-19 in chest X-ray images using DeTraC deep convolutional neural network,” arXiv:2003.13815v2, 2020.
[5] E. Humphrey and J. Bello, “Rethinking automatic chord recognition with convolution neural networks,” in Proceedings of the 11th International Conference on Machine Learning and Application, 2012.
[6] S. Parakkamodom, S. Chaychotcharoen, and P. Vichitvejpaisal, “Artifcial intelligence: Friend or enemy?,” Thai Journal of Anesthesiology, vol. 1, pp. 34–38, 2018 (in Thai).
[7] T. Tathawee, S. Prasarnpun, S. Onbua, T. Pinthong, and A. Suwannakom, “Orchid identification based on computer vision analysis,” in Proceedings of the 6th National Science Research Conference, Thailand, 2014, pp. 47–56 (in Thai).
[8] B. Tilmann, “The business impact of predictive analytics,” in Knowledge Discovery and Data Mining: Challenges and Realities, IGI Global, 2007, pp. 114–138.
[9] R. Kohavi, “A study of crossvalidation and bootstrap for accuracy estimation and model selection,” in Proceedings of the Fourteenth International joint conference on Artificial Intelligence, Montreal, Canada, 1995, pp. 1137–1143.
[10] J. Panyavaraporn and P. Horkaew, “Study of PET image classification methods to the preliminary diagnosis of alzheimer's disease,” UBU Engineering Journal, vol. 1, pp. 93–105, 2018 (in Thai).
[11] S. Feng, W. Jun, S. Jun, W. Ziyan, W. Qian, T. Zhenyu, H. Kelei, S. Yinghuan, and S. Dinggang, “Review of artificial intelligence techniques in imaging data acquisition, segmentation and diagnosis for COVID-19,” IEEE Reviews in Biomedical Engineering, Early Access, pp. 1–13, 2020.
[12] X. Li, C. Li, and D. Zhu, “COVID-mobilexpert: ON-device COVID-19 screening using snapshots of chest X-ray,” arXiv:2004.03042v2, 2020.
[13] P. Cheewaprakobkit, “Improving the performance of an image classification with convolutional neural network model by using image augmentations technique,” TNI Journal of Engineering and Technology, vol. 7, pp. 59–64, 2019 (in Thai).
[14] J. Sanuksan and O. Surinta, “Deep convolutional neural networks for plant recognition in the natural environment,” J Sci Technol MSU, vol. 38, pp. 113–124, 2019 (in Thai).
[15] L. Wang, Z. Q. Lin, and A. Wong, “COVID-net: A tailored deep convolutional neural network design for detection of COVID-19 cases from chest X-ray images,” arXiv:2003.09871v4, 2020.
[16] M. D. Bloice, C. Stocker, and A. Holzinger, “Augmentor: An image augmentation library for machine learning,” The Journal of Open Source Software, vol. 2, pp. 1–5, 2017.
[17] N. Hongboonmee and K. Sangtan, “Development application for identify Thai Banknote by voice for blindness via smartphone,” Journal of Information Science and Technology, vol. 2, pp. 24–34, 2019 (in Thai).
[18] T. Team. (2020, May). TensorFlow. [Online]. Available: https://www.tensorflow.org/
[19] A. Nain, S. Paul, and M. Maynard-Reid. (2020, May). Keras. [Online]. Available: https://keras.io/
[20] Y. Lecun, L. Bottou, Y. Bengio, and P. Haffner, “Gradient-based learning applied to document recognition,” in Proceedings of the IEEE, 1998, pp. 2278–2324.
[21] A. Rosebrock. (2020, January). Installing Keras with TensorFlow backend. Available: https://www.pyimagesearch.com/2016/11/14/installingkeras-with-tensorflow-backend/
[2] BBC NEWS. (2020, May). Coronavirus: The Origin, Symptoms, Treatment and Prevention COVID-19. [Online]. Available: https://www.bbc.com/thai/features-51734255
[3] J. P. Cohen, P. Morrison, and L. Dao, “COVID-19 image data collection,” arXiv:2003.11597vl, 2020.
[4] A. Abbas, M. Abdelsamea, and M. Gaber, “Classification of COVID-19 in chest X-ray images using DeTraC deep convolutional neural network,” arXiv:2003.13815v2, 2020.
[5] E. Humphrey and J. Bello, “Rethinking automatic chord recognition with convolution neural networks,” in Proceedings of the 11th International Conference on Machine Learning and Application, 2012.
[6] S. Parakkamodom, S. Chaychotcharoen, and P. Vichitvejpaisal, “Artifcial intelligence: Friend or enemy?,” Thai Journal of Anesthesiology, vol. 1, pp. 34–38, 2018 (in Thai).
[7] T. Tathawee, S. Prasarnpun, S. Onbua, T. Pinthong, and A. Suwannakom, “Orchid identification based on computer vision analysis,” in Proceedings of the 6th National Science Research Conference, Thailand, 2014, pp. 47–56 (in Thai).
[8] B. Tilmann, “The business impact of predictive analytics,” in Knowledge Discovery and Data Mining: Challenges and Realities, IGI Global, 2007, pp. 114–138.
[9] R. Kohavi, “A study of crossvalidation and bootstrap for accuracy estimation and model selection,” in Proceedings of the Fourteenth International joint conference on Artificial Intelligence, Montreal, Canada, 1995, pp. 1137–1143.
[10] J. Panyavaraporn and P. Horkaew, “Study of PET image classification methods to the preliminary diagnosis of alzheimer's disease,” UBU Engineering Journal, vol. 1, pp. 93–105, 2018 (in Thai).
[11] S. Feng, W. Jun, S. Jun, W. Ziyan, W. Qian, T. Zhenyu, H. Kelei, S. Yinghuan, and S. Dinggang, “Review of artificial intelligence techniques in imaging data acquisition, segmentation and diagnosis for COVID-19,” IEEE Reviews in Biomedical Engineering, Early Access, pp. 1–13, 2020.
[12] X. Li, C. Li, and D. Zhu, “COVID-mobilexpert: ON-device COVID-19 screening using snapshots of chest X-ray,” arXiv:2004.03042v2, 2020.
[13] P. Cheewaprakobkit, “Improving the performance of an image classification with convolutional neural network model by using image augmentations technique,” TNI Journal of Engineering and Technology, vol. 7, pp. 59–64, 2019 (in Thai).
[14] J. Sanuksan and O. Surinta, “Deep convolutional neural networks for plant recognition in the natural environment,” J Sci Technol MSU, vol. 38, pp. 113–124, 2019 (in Thai).
[15] L. Wang, Z. Q. Lin, and A. Wong, “COVID-net: A tailored deep convolutional neural network design for detection of COVID-19 cases from chest X-ray images,” arXiv:2003.09871v4, 2020.
[16] M. D. Bloice, C. Stocker, and A. Holzinger, “Augmentor: An image augmentation library for machine learning,” The Journal of Open Source Software, vol. 2, pp. 1–5, 2017.
[17] N. Hongboonmee and K. Sangtan, “Development application for identify Thai Banknote by voice for blindness via smartphone,” Journal of Information Science and Technology, vol. 2, pp. 24–34, 2019 (in Thai).
[18] T. Team. (2020, May). TensorFlow. [Online]. Available: https://www.tensorflow.org/
[19] A. Nain, S. Paul, and M. Maynard-Reid. (2020, May). Keras. [Online]. Available: https://keras.io/
[20] Y. Lecun, L. Bottou, Y. Bengio, and P. Haffner, “Gradient-based learning applied to document recognition,” in Proceedings of the IEEE, 1998, pp. 2278–2324.
[21] A. Rosebrock. (2020, January). Installing Keras with TensorFlow backend. Available: https://www.pyimagesearch.com/2016/11/14/installingkeras-with-tensorflow-backend/