ระบบคัดกรองผู้ป่วยโรคเบาหวานขึ้นจอตาและผู้ป่วยโรคจอประสาทตาเสื่อมอย่างอัตโนมัติ
by จาตุรงค์ ตันติบัณฑิต
ระบบคัดกรองผู้ป่วยโรคเบาหวานขึ้นจอตาและผู้ป่วยโรคจอประสาทตาเสื่อมอย่างอัตโนมัติ | |
Automated Screening System for Diabetic Retinopathy and Age-related Macular Degeneration Patients | |
จาตุรงค์ ตันติบัณฑิต | |
2563-11-03 | |
สำนักงานศูนย์วิจัยและให้คำปรึกษาแห่งมหาวิทยาลัยธรรมศาสตร์ | |
โรคเบาหวานขึ้นจอตาและโรคจอประสาทตาเสื่อมสามารถป้องกันหรือลดความรุนแรงของโรคได้ หากพบแนวโน้มการเป็นโรคตั้งแต่เนิ่น ๆ จะนำไปสู่การรักษา ลดการสูญเสีย ลดค่าใช้จ่ายทางการแพทย์ และเพิ่มคุณภาพชีวิตของผู้สูงอายุได้ การตรวจวินิจฉัยโรคเบาหวานขึ้นจอตาและโรคจอประสาทตาเสื่อมนั้นต้องได้รับการตรวจจากจักษุแพทย์โดยการตรวจจอตา อย่างไรก็ตามจักษุแพทย์ในประเทศไทยยังขาดแคลนไม่เพียงพอต่อความต้องการโดยเฉพาะอย่างยิ่งโรงพยาบาลในพื้นที่ห่างไกล ด้วยข้อจำกัดดังกล่าวทำให้การตรวจวินิจฉัยโรคมีข้อจำกัด บ่อยครั้งที่ผู้ป่วยไม่ได้รับการรักษาอย่างทันท่วงที ทำให้เกิดการสูญเสียการมองเห็น ดังนั้นคณะผู้วิจัยจึงทำการพัฒนา DeepEye โดยใช้ขั้นตอนวิธีการเรียนรู้เชิงลึก (deep learning) ซึ่งเป็นเทคนิคหนึ่งในปัญญาประดิษฐ์ (artificial intelligence) ที่มีความถูกต้องแม่นยำสูงมาก โดยพัฒนาให้สามารถใช้งานง่ายในรูปแบบแอปพลิเคชั่นบนสมาร์ตโฟน สามารถเชื่อมต่อกับกล้องถ่ายภาพจอตาแบบพกพารุ่นใดก็ได้ สามารถตรวจคัดกรองได้อย่างรวดเร็ว ให้ความถูกต้องแม่นยำเทียบเท่าจักษุแพทย์ สามารถตรวจคัดกรองโรคเบาหวานขึ้นจอตาและจำแนกภาพถ่ายจอตาออกเป็น 3 ประเภทใหญ่ ๆ คือ ปกติ (normal), มีเบาหวานขึ้นจอตา (diabetic retinopathy: DR) และเป็นโรคอื่น ๆ (other diseases) ยิ่งไปกว่านั้น หากตรวจพบว่าเป็นเบาหวานขึ้นจอตา DeepEye ยังสามารถระบุระดับความรุนแรงของโรคออกเป็น 4 ระดับอย่างถูกต้องแม่นยำ กล่าวคือ เล็กน้อย (mild non- proliferative diabetic retinopathy: mild NPDR), ปานกลาง (moderate non-proliferative diabetic retinopathy: moderate NPDR), รุนแรง (severe non-proliferative diabetic retinopathy : severe NPDR), และรุนแรงมีเส้นเลือดเกิดใหม่ (proliferative diabetic retinopathy: PDR) ซึ่งเป็นระยะที่อันตรายมาก และสามารถคัดกรองโรคจอประสาทตาเสื่อมโดยสามารถแบ่งประเภทได้เป็นโรคจอประสาทตาเสื่อมแบบแห้ง (dry age-related macular degeneration: dry AMD) และโรคจอประสาทตาเสื่อมแบบเปียก (wet age-related macular degeneration: wet AMD) Diabetic Retinopathy (DR) and Age-related Macular Degeneration (AMD) can prevent or reduce the severity of the disease if the diseases are found early. This can lead to a treatment to reduce loss, reduce medical expenses, and increase the quality of life for the elderly. Diagnosis of DR and AMD must be examined by an ophthalmologist by retinal examination. However, ophthalmologists in Thailand are still inadequate for their needs, especially in remote areas. With such restrictions, patients do not receive proper treatment on time and that can cause vision loss. Therefore, our research team developed DeepEye using deep learning, a technique in artificial intelligence that is very accurate. By developing it to be easy to use in the form of application on smartphone that can connect to any portable fundus cameras, can be screened quickly, and provide very high accuracy equivalent to an ophthalmologist. Specifically, it can be used to screen DR and classified into three types of retinal images that are normal, DR, and other diseases. If detecting a diabetic retinopathy, DeepEye can also accurately identify the severity of DR into 4 levels, i.e., mild, moderate non-proliferative DR (moderate NPDR), severe (severe non-proliferative DR: severe NPDR), and severe with new blood vessels (proliferative diabetic retinopathy: PDR) which is a very dangerous stage of DR. Moreover, DeepEye can be used to screen AMD, which can be classified into dry age-related macular degeneration (dry AMD) and wet age-related macular degeneration (wet AMD). |
|
ผู้ป่วยโรคเบาหวานขึ้นจอตา
ผู้ป่วยโรคจอประสาทตาเสื่อม ระบบคัดกรองผู้ป่วย |
|
รายงานวิจัย | |
Text | |
application/pdf | |
tha | |
เอกสารฉบับนี้สงวนสิทธิ์โดยผู้ให้ทุน ห้ามทำซ้ำ คัดลอก หรือนำไปเผยแพร่ตัดต่อโดยมิได้รับอนุญาตเป็นลายลักษณ์อักษร | |
บุคคลทั่วไปสามารถเข้าถึงเอกสารนี้ได้ | |
สถาบันวิจัยระบบสาธารณสุข (สวรส.) | |
https://repository.turac.tu.ac.th/handle/6626133120/919 |
Files in this item (CONTENT) |
|
View no fulltext.doc ( 21.50 KB ) |
This item appears in the following Collection(s) |
|
Collections
|