รายละเอียดโครงงาน
หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมคอมพิวเตอร์ ปี พ.ศ. 2565
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2564
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
ระบบโครงข่ายประสาทเทียมเรียนรู้การแบ่งแยกเส้นเลือดจากภาพถ่ายทางการแพทย์บนจอประสาทตา ด้วยข้อมูลกำกับแบบข้ามลักษณะและข้อมูลกำกับแบบอย่างอ่อน
ชื่อโครงงานภาษาอังกฤษ
Vessel Extraction from the imaging of the retinal vasculature with enhanced weakly-supervision
ผู้พัฒนา
6110503517 อมเรศ ชินกมล
อาจารย์ที่ปรึกษาหลัก
จันทนา จันทราพรชัย
อาจารย์ที่ปรึกษาร่วม
จันทนา จันทราพรชัย
บทคัดย่อ
การศึกษาการสกัดโครงสร้างเส้นเลือดจากจอประสาทตาของมนุษย์นั้นเป็นการศึกษาที่มีความสำคัญมากในการนำโครงสร้างเส้นเลือดไปช่วยในการทำการวินัจฉัยอาการ หรือใช้เป็นข้อบ่งชี้ของรอยโรคต่าง ๆ เช่นโรคจุดภาพชัดบนจอตาเสื่อมอันเนื่องมาจากอายุ อาการเส้นเลือดงอกใหม่ในชั้นคอรอยด์ เบาหวานในตา หรือแม้กระทั่งโรคทางระบบประสาทอย่างเช่นโรคอัลไซเมอร์จากการวิเคราะห์มอโฟโลยีของโครงสร้างเส้นเลือดที่ได้จากภาพฉายสองมิติจากเทคนิค Optical Coherence Tomography Angiography (OCTA) โดยทั่วไปแล้วการสกัดเอาโครงสร้างเส้นเลือดนั้นจะทำโดยจักษุแพทย์ผู้เชี่ยวชาญ เนื่องจากภาพถ่ายจากเทคนิค OCTA นั้นอาจจะมีการปนเปื้อนของสัญญาณรบกวนหรือภาพฉายซ้อนทับจากเส้นเลือดจากชั้นอื่นของดวงตาระหว่างกระบวนการจับภาพได้ ทำให้การศึกษากระบวนการสกัดโครงสร้างเส้นเลือดโดยอัตโนมัตินั้นจึงเป็นการศึกษาที่ได้รับความสนใจเพื่อแก้ไขปัญหานี้
เทคนิคจักรกลเรียนรู้เชิงลึกเป็นเทคนิคที่ได้รับความนิยมขึ้นอย่างมากในปัจจุบัน ซึ่งได้มีการนำเทคนิคจักรกลเรียนรู้เชิงลึกมาประยุกต์ใช้เข้ากับงานต่าง ๆ มากมาย รวมทั้งงานสกัดเส้นเลือดจากภาพฉายจากเทคนิค OCTA แต่ทว่าเทคนิคเรียนรู้เชิงลึกนั้นเป็นเทคนิคที่พึ่งพาข้อมูลจำนวนมาก ซึ่งโครงสร้างเส้นเลือดนั้นใช้เวลาและประสบการณ์มากในการที่จะกำกับข้อมูล เราจึงเสนอเทคนิคการสอนจักรกลเรียนรู้ที่สามารถเรียนรู้จากการกำกับข้อมูลแบบหยาบด้วยการลากเส้นกำกับแทนการการกำกับแบบพิกเซลต่อพิกเซลประกอบกับตัวอย่างชุดข้อมูลภายนอกที่ได้รับการกำกับแล้ว ที่สามารถลดจำนวน ซึ่งช่วยลดจำนวนงานและความเชี่ยวชาญที่ต้องใช้ในการกำกับลงไปได้มาก เราพบว่าเทคนิคของเราสามารถให้ความแม่นยำที่มากกว่าการเรียนรู้อย่างอ่อนทั่วไปอย่างมีนัยยะสำคัญมาก และมีประสิทธิภาพที่ใกล้เคียงกับการเรียนรู้เชิงลึกจากการกำกับข้อมูลแบบเต็ม
Abstract
Visualization of Retinal Vasculature of human eyes has been critical research in order to utilizes the morphological data of the vasculature to be used in diagnosis and biomarkers for pathology. Such as, Age-related Macular Degeneration, Choroidal Neo-vascularization, Diabetic Retinopathy and recently found that neurological disease – Alzheimer’s disease can affect the vascular structure obtainable by the imaging technique called Optical Coherence Tomography Angiography (OCTA). However, OCTA technique suffers from the various artifact such as noises and projection artifact from unrelated blood vessel. Thus, raise the important of the research for automated vessel extraction technique to obtain an accurate visualization of retinal vasculature.
As the emerging popularity of deep learning in the application of medical image in the present times. There are many works that applied the deep learning method to rectify the problems, vessel extraction from en face OCTA images included. However, deep learning method is known to be heavily rely on the high number of data samples. While the data annotation of vascular structure in OCTA is also known to be very tedious and resource expensive task. Requiring an experienced expert ophthalmologist to provide the label pixel-by-pixel. Hence, we propose a novel technique that employ weakly-supervised learning, adversarial learning, and a novel self deeply supervised learning. Allowing the use of scribble-like annotation together with unpair expert-label from external dataset. This technique able to reduce the annotation work while retaining susceptible performance compared to fully-supervise State-of-the-art technique and performing significantly better than usual weakly-supervised approach.
คำสำคัญ (Keywords)
Vessel Extraction
Weakly-supervised
เว็บไซต์โครงงาน
-
วีดีโอคลิปของโครงงาน
ที่เก็บเวอร์ชันซอร์สโค้ด
- (จะเผยแพร่หลังจาก manuscript ได้รับการตีพิมพ์)
สถานะการนำเข้าข้อมูล
ผู้นำเข้าข้อมูลครั้งแรก
อมเรศ
ชินกมล
(b6110503517)
แก้ไขครั้งสุดท้าย
เมื่อ April 8, 2022, 4:44 a.m. โดย
อมเรศ
ชินกมล
(b6110503517)
สถานะการอนุมัติ
รออนุมัติ