
![image](/images/2025/2/01.png)

- Swin Transformer lung diseases semi-supervised Classification model on Chest Radiograph หรือ โมเดลจำแนกภาพถ่ายรังสีทรวงอกเพื่อคัดกรองโรคปอด 3 ชนิด ประกอบด้วย โรคปอดบวม โรคโควิด-19 และภาวะ Lung Opacity เพื่อ 1.) ลดภาระของแพทย์ในการตรวจสอบภาพถ่ายรังสีทรวงอก ทั้งในด้านของเวลาและความทั่วถึงในการตรวจ 2.) เพิ่มประสิทธิภาพในการตรวจคัดกรองให้มีความแม่นยำมากขึ้นจากทั้งความถูกต้องของตัวโมเดลเองและการตรวจสอบครั้งที่สองจากผู้เชี่ยวชาญ 3.) เพื่อศึกษาการทำงานของ swin transformer ในการจำแนกประเภทภาพ
- โดยโมเดลจะมีความสามารถในการ 1.) ทำนายประเภทของภาพออกเป็น 4 classes ประกอบด้วย ปกติ โควิด-19 ปอดบวม และ lung opacity 2.) สร้าง attention map เพื่อให้ผู้ใช้ทราบถึง pixels หรือ area ที่โมเดลสนใจหรือใช้ในการทำนายเพื่อตรวจสอบความถูกต้องของการทำนายและศึกษารูปแบบการตัดสินใจของโมเดล
- โดยข้อมูลที่ใช้ในการฝึกฝนโมเดลได้ผ่านการทำความสะอาดและปรับปรุงตามความเหมาะสมก่อนการนำมาใช้ จำนวนทั้งสิ้น 4,939 ภาพแบ่งเป็น teacher model dataset 4,800 ภาพ pseudo-label dataset อีก 139 ภาพครับ เหตุผลที่ผมมีการ train 2 loop เป็นเพราะผมใช้วิธีการฝึกฝนโมเดลแบบ semi-supervised learning ครับ หรือก็คือการทำให้โมเดลสามารถเรียนรู้ข้อมูลใหม่ได้โดยไม่ต้องกำหนด label ให้กับข้อมูลใหม่แต่แรก การทำแบบนี้จะทำให้โมเดลสามารถเข้าถึงชุดข้อมูลได้มากขึ้นเพราะลบข้อจำกัดเรื่อง label ออกไป และทำให้โมเดลยืดหยุ่นกับการทำงานมากขึ้น สามารถนำข้อมูลที่เคยเจอแล้วมาเรียนรู้เพิ่มได้ ยิ่งใช้ก็จะยิ่งเก่ง โดยผมใช้วิธีการทำ pseudo-label ผ่านวิธีเบื้องต้นอย่าง softmax confidence เพื่อให้มั่นใจว่า pseudo-label dataset นั้นมีความถูกต้อง ไม่ทำให้การทำงานของโมเดลแย่ลง
- ข้อสังเกตุของการทำงานผิดพลาด ได้แก่ 1.) การทำนายผิด class ซึ่งเกิดจากจำนวนภาพที่ไม่มากพอและคุณภาพ รวมถึงความชัดเจนในการนำมาฝึกยังต่ำเนื่องจากการคัดเลือกภาพประเภทนี้ต้องใช้ความสามารถเฉพาะทางในระดับที่สูงขึ้น ทำให้ผมสามารถทำความสะอาดข้อมูลได้แค่ในระดับเบื้องต้น เช่น คัดภาพที่เบลอออกไป เป็นต้น 2.) Attention map ไม่ตรงกับความเป็นจริงหรือไม่ตรงกับจุดที่บ่งบอกโรค ซึ่งเกิดจากความเข้าใจผิดหรือโมเดลที่สนใจคนละจุดกับมนุษย์ หลายครั้ง โมเดลเรียนรู้รูปแบบของภาพพื้นหลังและโครงกระดูกเพื่อใช้ในการทำนาย ในขณะที่มนุษย์จะเน้นมองไปที่ปอดเพราะเป็นจุดที่เกิดโรค
- ====================================================
- ทดลองใช้ในรูปแบบ web-application ได้ที่: https://swinlung-annbjm5nov3ca8bj3ctmgc.streamlit.app/
- รายละเอียดเพิ่มเติม: https://medium.com/@chaichanok05/swinlung-swin-transformer-lung-diseases-classification-model-on-chest-radiograph-4bb4f0cea938
- Github: https://github.com/oo90x/SwinLung
- ====================================================
- ข้อมูลทั่วไปเกี่ยวกับตัวผม:
- ในระหว่างเข้าร่วมโครงการ AI builders ผมกำลังศึกษาอยู่ในระดับมัธยมศึกษาปีที่ 6 โรงเรียนโยธินบูรณะ สายการเรียนวิทย์-คณิต ภาคภาษาอังกฤษ ผมรู้สึกเป็นเกียรติและภูมิใจมาก ๆ ที่ได้เป็นส่วนหนึ่งโครงของการอย่าง AI builders ทำให้ผมได้มีโอกาสสานต่อความสนใจของผมในด้านการพัฒนาปัญญาประดิษฐ์และได้เรียนรู้เกี่ยวกับปัญญาประดิษฐ์ในหลาย ๆ ด้านกับบุคลากรที่มีความสามารถ ผมเริ่มสนใจเกี่ยวกับการเขียนโค้ดและโปรแกรมมิ่งตอนขึ้นมัธยมศึกษาปีที่ 5 เนื่องจากเพื่อน ๆ รอบตัวของผมหลายคนก็สนใจในด้านของคอมพิวเตอร์เช่นเดียวกัน ประกอบกับการได้เข้าร่วมค่ายวิชาการเกี่ยวกับคอมพิวเตอร์มากมายทำให้ได้รู้จักกับหลาย ๆ แขนงของคอมพิวเตอร์ และหนึ่งในแขนงที่ผมสนใจเป็นอย่างมากก็คือ ปัญญาประดิษฐ์ เนื่องจากผมชอบการวิเคราะห์ข้อมูล และรู้สึกสนใจในการทำงานของปัญญาประดิษฐ์ หลังจากได้แข่งขันเกี่ยวกับปัญญาประดิษฐ์ก็ได้เห็นและมีเพื่อนแนะนำให้เข้าร่วมโครงการนี้ ก็เลยได้สมัครและผ่านการคัดเลือกเข้ามา ผมจึงได้เรียนรู้และได้รับคำปรึกษามากมายอย่างที่ได้กล่าวไปข้างต้นครับ
- โครงการ ai builders:
- โครงการสำหรับน้องๆมัธยมต้น-ปลาย ที่สนใจสร้างผลงานโดยใช้เทคนิคทางด้านวิทยาศาสตร์ข้อมูล (Data Science) และปัญญาประดิษฐ์ (Artificial Intelligence)
- AI Builders เป็นโครงการสำหรับน้องๆมัธยมต้น-ปลาย ที่สนใจสร้างผลงานโดยใช้เทคนิคทางด้านวิทยาศาสตร์ข้อมูล (Data Science) และปัญญาประดิษฐ์ (Artificial Intelligence)
- โครงการ AI Builders ก่อตั้งขึ้นในปี 2021 เพื่อพัฒนาองค์ความรู้ทางด้านวิทยาศาสตร์ข้อมูล (Data Science) และปัญญาประดิษฐ์ (Artificial Intelligence / AI) ให้กับน้องๆระดับมัธยมต้น-ปลาย ที่สนใจอยากเรียนรู้และพัฒนาโครงงานที่ใช้ทักษะในด้านนี้เพื่อประยุกต์ใช้จริงในชีวิตประจำวัน
- ผู้สนับสนุน 2025: PMU-B, 425 Degree
- ผู้สนับสนุน 2024: PMU-B, AWS, Central Retail Digital และ 425 Degree
- ผู้สนับสนุน 2023: PMU-B, AWS, DELL, OSKAI, VISAI, Krungsri Nimble
- ผู้สนับสนุน 2022: VISAI, Krungsri Nimble, AWS, AIA, DELL และ Central Digital
- ทีมงานผู้จัด: VISAI, Central Digital, Mahidol University
- #AIbuildersshowcase


Swinlung

โดย Chaichanok Angchanphen • -