
![image](/images/2025/32/01.png)

- Binary Classification of Heart Valve Regurgitation Using a Shared Model Across Multiple Valves Based on Phonocardiogram Recordings
- ปัจจุบัน การวินิจฉัยภาวะลิ้นหัวใจรั่วจำเป็นต้องอาศัย ผู้เชี่ยวชาญด้านโรคหัวใจ เป็นหลัก เนื่องจากเครื่องมือวินิจฉัยที่มีความซับซ้อนและมีราคาสูง รวมถึงกระบวนการตีความผลที่ต้องอาศัยความเชี่ยวชาญเฉพาะทาง สิ่งนี้ทำให้เกิดข้อจำกัดในการเข้าถึงการวินิจฉัยในพื้นที่ห่างไกลหรือสำหรับผู้ป่วยที่มีข้อจำกัดด้านค่าใช้จ่าย จากการสังเกตของผมพบว่า แม้เสียงของภาวะลิ้นหัวใจรั่วจะมีลักษณะที่แตกต่างกันเพียงเล็กน้อยและยากต่อการสังเกตด้วยหูเปล่า แต่ด้วยความสามารถของ AI ในการเรียนรู้และจดจำรูปแบบ (Pattern Recognition) ที่มีความละเอียดสูง ทำให้เชื่อว่าโมเดล AI จะสามารถตรวจจับความแตกต่างของเสียงที่บ่งชี้ถึงภาวะลิ้นหัวใจรั่วได้อย่างแม่นยำ
- ซึ่งผมได้ทำการสร้างโมเดลต้นแบบจาก Open Source Data Set และพบว่า
- เสียงที่มาจาก Open Sorce Data Set ที่ได้จากการเก็บของหลายโรงพยาบาลจากต่างประเทศนั้น เป็นเสียงที่มี Noise ผสมค่อนข้างเยอะ ไม่ว่าจะเป็น Impulsive Noise ที่บางทีมาจากการพูดขณะอัดเสียง หรือ White Noise ที่มาจากสัญญาณรบกวนของอุปกรณ์
- เสียงที่มาจากหลายแหล่งและหลายอุปกรณ์นั้น ทำให้การเตรียมข้อมูลก่อนเข้าไปเทรนค่อนข้างยาก
- ผมจึงทำการลองสร้างโมเดลออกมาหลายแบบ จากเสียงที่ทำการคัดมาจนแล้วกว่า 700 เสียง และพบว่าโมเดลที่ทำการทำนายได้ดีที่สุด คือโมเดล CNN โดยการแปลงเสียงไปเป็น Mel-Spectrogram เนื่องจากเสียงหัวใจที่ผิดปกตินั้นจะมี Pattern คล้ายๆกัน แต่ก็ยังมีข้อจำกัดในเรื่อง Noise ของเสียงที่มาก จึงทำให้การแปลงเสียงออกมาเป็น Spectrogram นั้น ไม่ได้ Clean เท่าที่ควร


Binary Classification Of Heart Valve Regurgitation.Git

โดย Natawin Techawatcharapaikul • -