การพัฒนาตัวแบบคัดกรองโรคท็อกโซพลำสโมซิสจากภาพถ่ายจอประสาทตาด้วย เทคนิคเหมืองข้อมูลภาพ

บทคัดย่อ

การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อสร้างตัวแบบและเปรียบเทียบประสิทธิภาพของตัวแบบ สำหรับคัดกรองผู้ป่วยโรคท็อกโซพลำสโมซิส โดยใช้ข้อมูลจากภาพถ่ายจอประสาทตา มาวิเคราะห์ ตามกระบวนการมาตรฐานในการทำเหมืองข้อมูล (CRISP-DM) โดยใช้เทคนิคการจำแนกประเภท ข้อมูลภาพทั้ง 3 เทคนิค ประกอบด้วย เทคนิคต้นไม้ตัดสินใจ (Decision Tree) เทคนิคซัพพอร์ต เวกเตอร์แมชชีน (Support Vector Machine: SVM) และเทคนิคเพื่อนบ้านใกล้ที่สุด (k-Nearest Neighbors: k-NN) หลังจากนั้น วัดประสิทธิภาพของตัวแบบโดยใช้ค่าความแม่น (Accuracy) ค่า ประสิทธิภาพโดยรวม (F-Measure) ค่าความไว (Sensitivity) และค่าจำเพาะ (Specificity) ผลการวิจัยพบว่า เทคนิคที่ให้ประสิทธิภาพของการจำแนกประเภทข้อมูลภาพที่ดีที่สุด คือ เทคนิค ต้นไม้ตัดสินใจ โดยมีค่าความแม่น เท่ากับ 91.10% ค่าประสิทธิภาพโดยรวม เท่ากับ 93.71% ค่า ความไว เท่ากับ 91.51% และค่าจำเพาะ เท่ากับ 90.00% จึงเป็นเทคนิคที่มีความเหมาะสมสำหรับ นำไปสร้างตัวแบบสำหรับคัดกรองผู้ป่วยโรคท็อกโซพลำสโมซิสจากภาพถ่ายจอประสาทตา ซึ่งผลการ วิเคราะห์ข้อมูลจากงานวิจัยนี้สามารถนำไปสนับสนุนการตัดสินใจของแพทย์สำหรับการวินิจฉัยคัด กรองผู้ป่วยโรคท็อกโซพลำสโมซิสที่มีความแม่นยำมากยิ่งขึ้ นและยังสามารถคาดการณ์ความเสี่ยงของ การเกิดโรคหรือภาวะแทรกซ้อนอื่นๆ