ระบบประเมินการฟื้นฟูและติดตามความก้าวหน้าจากภาพวิดีโอสำหรับผู้ป่วยที่มีปัญหาด้านการกลืน : ระยะที่ 2
ชื่อผู้แต่งข้างต้นเป็นข้อความจากระเบียนผลงาน ไม่ได้ผูกกับรหัสนักวิจัย จึงกดดูผลงานอื่นของบุคคลนี้ไม่ได้ — ในคลังนี้ 142,080 ผลงาน (63.6% ของทั้งหมด) มีชื่อผู้แต่งที่เชื่อมกับหน้าผู้แต่งได้ และ 60,298 ผลงาน (27.0%) มีผู้แต่งที่ผูกกับรหัสนักวิจัยจริง ส่วนอีก 81,382 ผลงานไม่มีข้อมูลผู้แต่งเลย (มีชื่อผู้แต่งเป็นข้อความอยู่ 142,009 ผลงาน = 63.5%)
บทคัดย่อ
ปัจจุบันอัตราการเพิ่มขึ้นของผู้ป่วยที่มีปัญหาด้านการกลืนมีสูงขึ้น ส่วนใหญ่พบในผู้สูงอายุมากกว่ากลุ่มอายุอื่น ส่งผลให้คุณภาพชีวิตต่ำลง การรักษาภาวะการกลืนลำบากทำได้โดยอาศัยสหวิชาชีพ อย่างไรก็ตามการติดตามการฟื้นฟูอาศัยการกะประมาณขึ้นกับความชำนาญของแต่ละบุคคล ส่งผลให้เกิดความคลาดเคลื่อน ไม่เป็นมาตรฐาน โครงการวิจัยนี้มีเป้าหมายเพื่อพัฒนาโปรแกรม และเทคนิคการวัดการเคลื่อนไหวศีรษะลำคอ ปาก และลิ้น แล้วนำมาทดสอบ และปรับปรุงอุปกรณ์ต้นแบบ รวมถึงศึกษาความเที่ยงตรง และความน่าเชื่อถือของอุปกรณ์ แนวทางหลักที่ใช้ในการพัฒนาโมเดลในด้านการประมวลผลภาพและวิดีโอคือการใช้โครงข่ายประสาทเทียม (Convolutional Neural Network) โดยได้ทดสอบเทคนิคการตรวจจับภาพใบหน้าโดย RetinaFace ที่ให้ค่าความแม่นยำอยู่ที่ 94.70% จากชุดข้อมูล WIDERFACE และ 99.99% จากชุดข้อมูล 300W_LP ร่วมกับการพัฒนาเทคนิคการแยกส่วนบริเวณปากและลิ้น และพัฒนาการวัดการเคลื่อนไหวศีรษะลำคอที่แล้วปรับให้มีความเหมาะสมในการพัฒนาโครงการ จากนั้นนำโมเดลที่พัฒนาขึ้นไปใช้งานบนเว็บไซต์เพื่อให้ผู้ใช้งานสามารถใช้งานได้ง่ายขึ้น โดยผลลัพธ์ที่ได้จากการวัดจะอยู่ในรูปแบบกราฟเพื่อให้ผู้เชี่ยวชาญนำไปใช้งานต่อ โดยค่าความแม่นยำของการแยกส่วนบริเวณปากที่ 94% ค่าความคลาดเคลื่อนของการวัดศีรษะลำคอยังอยู่มากกว่า 5 องศา ซึ่งจำเป็นต้องได้รับการพัฒนาต่อ และผลลัพธ์การแบ่งส่วนลิ้นมีความแม่นยำเฉลี่ยที่มากกว่า 92% กับผลลัพธ์การวิเคราะห์การเคลื่อนไหวของลิ้นแบบ root mean square error ได้ผลโดยเฉลี่ยที่น้อยกว่า 1.0 แล้วได้เตรียมการสำหรับทดสอบความเที่ยงตรงและความน่าเชื่อถือของอุปกรณ์ที่เสร็จสมบูรณ์