มาดูผลงานของนักศึกษา ป.โท ICT Mahidol กันครับ
“🤖AI จำแนกผู้ป่วยหลอดเลือดแดงใหญ่ในช่องท้องโป่งพอง หรือ AAA จากภาพ CT-SCAN🩻 ช่วยรังสีแพทย์วิเคราะห์โรค👨🏻⚕️”
AI จำแนกผู้ป่วยหลอดเลือดแดงใหญ่ในช่องท้องโป่งพอง
ผลงานนี้ใช้ AI ในการประมวลผลเพื่อแยกผู้ป่วยที่มีโรค Abdominal Aortic Aneurysm (AAA) การโป่งพองของหลอดเลือดแดงใหญ่ที่เกิดในช่องท้อง ด้วยภาพ CT-SCAN โดยที่ AI ให้ผลความถูกต้องมากถึง 99%
ทีมผู้วิจัยทำการทดสอบและสอน AI ด้วยพื้นฐานจาก CNN-based model, ResNet DenseNet EfficientNet แสดง HeatMap ให้เห็นด้วย Class Activation Mapping (CAM) Technique
เราหวังว่า Model ที่เราทำการ Train ขึ้นมานี้จะสามารถช่วยเหลือรังสีแพทย์ในการทำงาน วิเคราะห์โรค AAA ได้อย่างรวดเร็ว และสามารถต่อยอดในการช่วยเหลือผู้ป่วยโรคหัวใจและหลอดเลือด Cardiovascular Disease, CVD ได้มากยิ่งขึ้นในอนาคตครับ
Full Paper, อ่านบทความฉบับเต็มได้ที่ https://drive.google.com/file/d/1lHd2323iGUrlsMXUf8U8oVt2KfZ-twYO
#MUICTResearch #mahidolResearch #mvitconference #ictMahidol #MahidolAI
สำหรับผู้สนใจเรียนรู้เพิ่มเติมกับโรคหลอดเลือดแดงใหญ่โป่งพอง (Aortic Aneurysm) โดย รศ.นพ.วรวงศ์ ศลิษฏ์อรรถกร คณะแพทยศาสตร์ศิริราชพยาบาล ที่ https://www.si.mahidol.ac.th/th/healthdetail.asp?aid=845
#โรคหลอดเลือดแดงใหญ่โป่งพอง #โรงพยาบาลศิริราช #มหาวิทยาลัยมหิดล
The paper presented an automatic and precise single-stage classification method by comparing three state-of-the- art networks to select the model fulfilling both the best performance and the fastest computation for clinical use, which successfully predicts whether the patient has AAA or not with corresponding presence probability and the CAM technique to prove feature extraction of the chosen model accurately focuses on the AAA region in the training process.
With the help of transfer learning with ImageNet pre-trained weight, our best performing model DenseNet-121 on the clinical AAA dataset achieved an accuracy of 99.6%, a precision of 97%, a recall of 99.8%, a F1-score of 98.2%, and a ROC-AUC of 99.7% with comparative low complexity.
In conclusion, the model with precise detection of the AAA and related existence probability is presented, and we hope our trained model can be applicable to assisting the diagnosis of radiologists and the daily routine examination of patients for the purpose of detecting the presence of AAA timely before the rupture and saving more people from this life-threatening cardiovascular disease.
- 1
ดูเพิ่มเติมในซีรีส์
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2024 Blockdit
