ประชาชนหกสิบถึงเจ็บสิบล้านคนในประเทศสหรัฐอเมริกานั้นจะต้องประสบกับโรคระบบทางเดินอาหารและวิธีการที่ดีที่สุดในการวินิจฉัยปัญหาของโรคได้แม่นยำนั่นคือการทำอัลตราซาวด์หน้าท้อง อย่างไรก็ดี กระบวนการดังกล่าวเป็นงานที่ต้องใช้ความละเอียดอย่างมากและบางครั้งก็ไม่ได้ผลที่ดี ดังนั้นเพื่อแก้ไขปัญหานี้ นักวิจัยจากบริษัท Siemens และมหาวิทยาลัยแวนเดอร์บิลท์ (Vanderbilt University) ได้ร่วมกันสร้างระบบ deep learning ที่สามารถแปลผลภาพอัลตราซาวด์หน้าท้องได้อัตโนมัติและสามารถตรวจจับอวัยวะต่างๆ และสิ่งผิดปกติได้
นักวิจัยกล่าวว่าสิ่งนี้เป็นระบบ deep learning แรกที่ใช้ระบบผสมผสานกันเพื่อจำแนกผลอัลตราซาวด์หน้าท้องได้อัตโนมัติ
“ระบบจำแนกภาพอัตโนมัติ (automatic view classification) และระบบตรวจจับตำแหน่ง (landmark detection) ของอวัยวะหน้าท้องจากภาพอัลตราซาวด์นั้นสามารถใช้เป็นเครื่องมือในการทำให้การทำเวิร์กโฟลวข้อมูลประสิทธิภาพสูงขึ้นเพื่อตรวจสอบผลได้” นักวิจัยเขียนไว้ในงานตีพิมพ์ “พวกเราเลือกใช้เฟรมเวิร์กที่สามารถเรียนรู้ที่ทำพร้อมกันได้หลายๆ งาน (multi-task learning framework) ได้พร้อมกัน เพื่อดำเนินการจำแนกภาพได้พร้อมกับการตรวจจับตำแหน่งเพื่อเพิ่มประสิทธิภาพในการทำเวิร์กโฟลวการตรวจสอบผล”
โดยทีมได้เทรนระบบบนเฟรมเวิร์ก PyTorch โดยใช้ภาพข้อมูลมากกว่า 187,000 ภาพจากผู้ป่วย 706 คน
“ในการที่การใช้ระบบโครงข่ายประสาทเทียม Convolutional Neural Network (CNN) นั้นสามารถแสดงให้เห็นถึงผลลัพธ์ที่มีแนวโน้มที่ดีกว่าวิธีการเรียนรู้ของเครื่องแบบดั้งเดิมในการวิเคราะห์ภาพอัลตราซาวด์ หากแต่ระบบไม่สามารถนำมาใช้งานจริงได้พร้อมๆ กันหลายๆ เน็ตเวิร์กสำหรับแต่ละงาน เนื่องจากข้อจำกัดในเรื่องของขนาดทรัพยากรการประมวลผลและหน่วยความจำของอุปกรณ์แสกนข้อมูลอัลตราซาวด์ที่มีใช้งานกันอยู่โดยส่วนมาก” ทีมงานกล่าว “เพื่อก้าวข้ามข้อจำกัดเหล่านี้ พวกเราจึงนำเสนอเฟรมเวิร์กการเรียนรู้ที่ทำพร้อมกันได้หลายๆ งานเพื่อจัดการกับงานทุกอย่างด้วยการใช้โครงข่ายประสาทเทียมเดียว”
ดังนั้นระบบที่ทีมงานใช้จึงมีเพียงแค่โครงข่ายประสาทเทียมตัวเดียวในการดำเนินการทั้งสองเรื่อง ซึ่งในงานตีพิมพ์นั้นนักวิจัยกล่าวว่าวิธีการดังกล่าวนี้มีประสิทธิภาพที่เหนือกว่าการทำงานแยกกันอีกด้วย
Source : https://news.developer.nvidia.com/ai-system-automatically-examines-abdominal-ultrasounds/
