มหาวิทยาลัยเชียงใหม่ โดย ผศ.ดร.กรพรหม พิกุลแก้ว ภาควิชาวิทยาการคอมพิวเตอร์ คณะวิทยาศาสตร์ มหาวิทยาลัยเชียงใหม่ พัฒนาการใช้ Deep Learning และ Explainable AI ที่สามารถตรวจจับเนื้องอกสมองได้แม่นยำสูงถึง 97%  ภายใต้การวิจัยในหัวข้อ "Enhancing Brain Tumor Detection with Gradient-Weighted Class Activation Mapping and Deep Learning Techniques"

การศึกษาดังกล่าว ใช้การเรียนรู้เชิงลึก (Deep Learning) และหนึ่งในปัญญาประดิษฐ์ที่สามารถอธิบายได้ (Explainable AI) ชนิด Gradient-Weighted Class Activation Mapping (Grad-CAM) ในการวิเคราะห์ภาพ MRI เพื่อตรวจจับเนื้องอกสมอง โดยมีการ Preprocessing ข้อมูลด้วยการขยายและปรับขนาดภาพ จากนั้นใช้โมเดล ResNet-50 ในการจำแนกประเภทภาพ ระหว่างเนื้องอกและไม่มีเนื้องอก การคำนวณ Grad-CAM ทำให้สามารถสร้างแผนที่ความร้อนเพื่อบ่งชี้พื้นที่สำคัญในภาพที่โมเดลใช้ในการทำนาย ผลลัพธ์ที่ได้มีความแม่นยำสูงถึง 97% ช่วยให้แพทย์เข้าใจการทำงานของโมเดลมากขึ้น

ผลลัพธ์จากงานวิจัยนี้มีประโยชน์ในการพัฒนา และประยุกต์ใช้งานหลายด้าน โดยโมเดลที่ใช้ Deep Learning พัฒนาขึ้นสามารถตรวจจับเนื้องอกสมองจากภาพ MRI ด้วยความแม่นยำสูงถึง 97% ช่วยให้การวินิจฉัยเร็วและแม่นยำขึ้น

นอกจากนี้ การใช้ Grad-CAM ทำให้แพทย์สามารถมองเห็นพื้นที่สำคัญในภาพที่โมเดลใช้ในการตัดสินใจ ช่วยเพิ่มความเข้าใจและความเชื่อมั่นในผลการวินิจฉัย รวมทั้งผลลัพธ์ยังสามารถนำไปปรับใช้ในเทคนิคการวิเคราะห์ภาพทางการแพทย์อื่น ๆ เช่น การตรวจโรคติดเชื้อ และหากพัฒนาเพิ่มเติม โมเดลนี้มีศักยภาพที่จะนำไปใช้ในทางคลินิกเพื่อตรวจคัดกรองโรคและติดตามผลการรักษาได้อย่างมีประสิทธิภาพ

การศึกษาครั้งนี้ สามารถช่วยเพิ่มประสิทธิภาพในการตรวจวินิจฉัยเนื้องอกสมองอย่างแม่นยำและรวดเร็ว ลดต้นทุนด้านการแพทย์และช่วยยกระดับคุณภาพชีวิตของผู้ป่วย นอกจากนี้ผู้วิจัยยังเป็นหนึ่งในผู้บุกเบิกคนแรกๆ ของประเทศไทย ที่นำเทคนิคปัญญาประดิษฐ์ที่สามารถอธิบายได้ (Explainable AI) ชนิด Grad-CAM มาใช้ในการวิเคราะห์ภาพทางการแพทย์ ซึ่งสร้างผลกระทบอย่างมากต่อการพัฒนาเทคโนโลยีการวินิจฉัยโรค ช่วยขับเคลื่อนความก้าวหน้าในวงการวิชาการและสอดคล้องกับเป้าหมาย SDGs ด้านสุขภาพที่ดีและความเป็นอยู่ที่ดี

งานวิจัยนี้ได้ตีพิมพ์ในนิตยสารงานวิจัยระดับนานาชาติ Published in : 20th International Joint Conference on Computer Science and Software Engineering (JCSSE), 28 June 2023 - 01 July 2023 ผู้ที่สนใจสามารถอ่านเพิ่มเติมได้ที่ https://ieeexplore.ieee.org/document/10202020

-(016)