การศึกษาเปรียบเทียบประสิทธิภาพการจำแนกภาวะกระดูกหักจากภาพเอกซเรย์กระดูกรยางค์ด้วยโครงข่ายประสาทคอนโวลูชัน
วิทยาศาสตร์และเทคโนโลยีสู่ชุมชน · 19.06.2026 · 4 (3) · 40-61
DOI: 10.57260/stc.2026.1100 ↗Kurz gefasst
Fachartikel in der Zeitschrift วิทยาศาสตร์และเทคโนโลยีสู่ชุมชน, online erschienen am 19.06.2026. Verfasst von พงษ์ศธร เชิดสม. Die Arbeit nennt 11 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).
Abstract (Originalsprache)
งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาเปรียบเทียบประสิทธิการจำแนกภาวะกระดูกหักจากภาพเอกซเรย์กระดูกรยางค์โดยใช้โครงข่ายประสาทเทียมแบบคอนโวลูชันจากชุดข้อมูล Bone Fracture Multi-Region X-ray จำนวนทั้งหมด 10,432 ภาพ แบ่งเป็นภาพกระดูกหักและไม่หักอย่างละจำนวน 5,216 ภาพ แบ่งสัดส่วนข้อมูลสำหรับการเรียนรู้ การตรวจสอบ และการทดสอบแบบจำลองเป็นร้อยละ 70, 20 และ 10 ตามลำดับ กระบวนการทดลองแบ่งเป็น 2 ระยะ ได้แก่การประเมินแบบจำลองพื้นฐาน 6 ชนิดเพื่อสกัดคุณลักษณะเด่นและการปรับปรุงประสิทธิภาพชั้นเชื่อมโยงแบบสมบูรณ์ รวม 60 รูปแบบ ผลการศึกษาพบว่าแบบจำลอง VGG16 และ MobileNet ให้ประสิทธิภาพสูงสุดในกลุ่มแบบจำลองพื้นฐาน มีค่าความถูกต้องร้อยละ 99.450 ค่าความสูญเสีย 0.030 และเมื่อนำมาร่วมกับชั้นเชื่อมโยงแบบสมบูรณ์ในรูปแบบที่เหมาะสม (Group 4 + Pattern 3) สามารถเพิ่มค่าความถูกต้องเป็นร้อยละ 100 และลดค่าความสูญเสียลงได้อย่างมีนัยสำคัญเมื่อเปรียบเทียบกับแบบจำลองพื้นฐาน โดยค่าความถูกต้องนี้เป็นผลลัพธ์เฉพาะชุดข้อมูลที่ใช้ในการทดสอบครั้งนี้ งานวิจัยนี้แสดงให้เห็นถึงศักยภาพในการพัฒนาเป็นเครื่องมือช่วยรังสีแพทย์เพื่อสนับสนุนการวินิจฉัยเบื้องต้น ซึ่งจะช่วยลดภาระงานและเพิ่มความรวดเร็วในการคัดกรองเบื้องต้นได้อย่างมีประสิทธิภาพ
Zitieren
APA
เชิดสม, พ. (2026). การศึกษาเปรียบเทียบประสิทธิภาพการจำแนกภาวะกระดูกหักจากภาพเอกซเรย์กระดูกรยางค์ด้วยโครงข่ายประสาทคอนโวลูชัน. วิทยาศาสตร์และเทคโนโลยีสู่ชุมชน, 4(3), 40-61. https://doi.org/10.57260/stc.2026.1100
Vancouver
เชิดสม พ. การศึกษาเปรียบเทียบประสิทธิภาพการจำแนกภาวะกระดูกหักจากภาพเอกซเรย์กระดูกรยางค์ด้วยโครงข่ายประสาทคอนโวลูชัน. วิทยาศาสตร์และเทคโนโลยีสู่ชุมชน. 2026;4(3):40-61. doi:10.57260/stc.2026.1100
BibTeX
@article{2026,
author = {เชิดสม, พงษ์ศธร},
title = {การศึกษาเปรียบเทียบประสิทธิภาพการจำแนกภาวะกระดูกหักจากภาพเอกซเรย์กระดูกรยางค์ด้วยโครงข่ายประสาทคอนโวลูชัน},
journal = {วิทยาศาสตร์และเทคโนโลยีสู่ชุมชน},
year = {2026},
volume = {4},
number = {3},
pages = {40--61},
doi = {10.57260/stc.2026.1100}
}
EUVIMED