
![Art](/images/2021/014/01.png)

- โรคสูญเสียความทรงจำที่หลายๆ คนรู้จักอย่างโรคอัลไซเมอร์เป็นโรคที่ร้ายกว่าที่คิด แต่ละปีมีคนเป็นมากขึ้นเรื่อย ๆ เป็นโรคที่รักษาไม่หาย และตรวจยากมากๆ โดยเฉพาะตอนตรวจหาระยะแรกๆ
MRI เป็นหนึ่งในวิธีตรวจที่แพทย์นิยมนำมาใช้ประกอบวินิจฉัยโรค ซึ่งจะได้ข้อมูลมาอยู่ในรูปของภาพสมองแต่ละ layer
- ชุดข้อมูลของเราแบ่งเป็น 4 class แบ่งตามระยะต่าง ๆ ของโรค ได้แก่ NonDemented, VeryMildDemented, MildDemented และ ModerateDemented
- เราเลือกใช้ metric เป็น precision เพราะเราต้องการให้โมเดลทายอย่างมั่นใจว่าผู้ป่วยเป็นโรคจริง ๆ หรือพูดอีกนัยนึงก็คือเราต้องการลดค่า False positive ลง
- Model ที่เราใช้คือ Resnet-50 มา fine-tune 
- ผลที่ได้พบว่า model ของเรามี  precision เท่ากับ 78.8% ซึ่งมี significance improvement (McNeMar test p < 0.05) เมื่อเทียบกับโมเดลบน kaggle
- เราสามารถนำโมเดลไปต่อยอด โดยการพัฒนาโมเดลให้ดียิ่งขึ้น ปรับปรุง dataset เพื่อนำไปสู่การใช้งานจริง

![Datasets](/images/2021/014/02.jpg)


![Model Architecture](/images/2021/014/03.png)


![Frezzing technique](/images/2021/014/04.png)

### แรงจูงใจในการเข้าร่วมโครงการ (จากใบสมัครเข้าร่วมเมื่อ 9 สัปดาห์ที่แล้ว)

> "เมื่อนึกถึงความฝันของตนเอง โครงการ AI Builders เป็นสิ่งสำคัญสำหรับผมเพื่อต่อยอดไปสู่ความฝันอย่าง “แพทย์วิศวะ” ผมเป็นนักเรียนที่มีความตั้งใจที่จะเรียน แพทย์ในอนาคต แต่อีกส่วนหนึ่งผมก็มีความสนใจและตั้งใจที่จะศึกษาเรื่องเทคโนโลยีปัญญาประดิษฐ์ (AI) ที่จะเข้ามามีบทบาทในทุกสาขาอาชีพ โดยเฉพาะในวงการแพทย์ที่ AI มีความจำเป็นและเป็นที่ต้องการอย่างมากในปัจจุบัน ประกอบกับมหาวิทยาลัยหลายแห่งได้เปิดหลักสูตรใหม่คือแพทย์วิศวะ จึงเป็นแรงบันดาลใจให้ผมอยากมีส่วนร่วมในการพัฒนาเทคโนโลยีทางการแพทย์ให้ก้าวล้ำมากขึ้น ผมจึงพยายามเรียนรู้และเพิ่มทักษะทางด้าน AI ดังนั้นโครงการ AI Builders จึงเป็นจุดเริ่มต้นและเป็นโอกาสสำคัญที่ผมจะได้เรียนรู้และลองพัฒนา AI ของตนเองขึ้นมา เพื่อต่อยอดสู่จุดหมาย แพทย์วิศวะ"

Machine Learning for Alzheimer's Detection from MRI Images

โดย Dechawat Chawangmahapeeti (Art) • มัธยมศึกษาปีที่ 6 / นครปฐม