การพัฒนาระบบปัญญาประดิษฐ์เพื่อประเมินคุณภาพภาพรังสีกะโหลกศีรษะ

บทคัดย่อ

เนื่องจากนักรังสีการแพทย์แต่ละคนมีเกณฑ์ที่ใช้ในการประเมินมาตรฐานของคุณภาพของภาพรังสีกะโหลกศีรษะ Occipitomental view (Water view) ที่ยังไม่เป็นมาตรฐานเดียวกันและนักรังสีการแพทย์ที่จบใหม่ยังขาดความมั่นใจในการตัดสินใจประเมินคุณภาพของภาพรังสี งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อการพัฒนาระบบปัญญาประดิษฐ์ (Artificial intelligence : AI) มาใช้ช่วยในการประเมินคุณภาพของภาพรังสีกะโหลกศีรษะ Occipitomental view (Water view) เพื่อให้ได้ภาพรังสีที่มีคุณภาพตามมาตรฐานหลักวิชาชีพและเป็นมาตรฐานเดียวกันในการปฏิบัติงาน โดยรวบรวมข้อมูลภาพรังสีกะโหลกศีรษะ Occipitomental view (Water view) จากระบบโปรแกรมการดูภาพ (Picture Archiving and Communication systems ; PACS) ที่กลุ่มงานรังสีวิทยาโรงพยาบาลสมุทรสาคร ตั้งแต่วันที่ 1 ตุลาคม พ.ศ. 2566 ถึงวันที่ 31 ตุลาคม พ.ศ. 2567 จำนวนทั้งสิ้น 1,020 ภาพ มาทำเป็นฐานข้อมูลแล้วทำการติดป้ายในแต่ละภาพออกเป็น 5 ประเภท ได้แก่ 1. ภาพรังสีกะโหลกศีรษะที่ได้มาตรฐาน (Adequate) 2. ภาพรังสีที่ไม่ครอบคลุม กะโหลกศีรษะ (Anatomy cut off) 3. ภาพรังสีที่กะโหลกศีรษะหมุนไปจากท่าตรง (Rotation) 4. ภาพรังสีกะโหลกศีรษะที่มีสิ่งแปลกปลอม (Foreign body) และ 5. ภาพรังสีกะโหลกศีรษะที่ ทำท่าอ้าปาก (Open mouth) จากนั้นทำการสร้างแบบจำลอง (Model) โดยการใช้ Deep learning ที่ใช้โครงสร้างของโครงข่ายประสาทเทียมชนิดคอนโวลูชั่น (Convolutional neural network) โดยทำการแบ่งชุดภาพรังสีออกเป็น 3 ชุด คือ ชุดภาพรังสีที่ใช้สำหรับการฝึกฝนชุดภาพรังสีที่ใช้ปรับปรุงความแม่นยำหลังการฝึกฝน และชุดภาพรังสีที่ใช้สำหรับทดสอบประสิทธิภาพ โดยให้อยู่ในอัตราส่วน 80:10:10 พบว่าแบบจำลองที่ได้มีประสิทธิภาพดีสามารถใช้การประเมินคุณภาพของภาพรังสีกะโหลกศีรษะ Occipitomental view (Water view) ได้ค่าความถูกต้อง (Accuracy) ถึง 86.0%