fieldid E-Thesis & Research สถาบันเทคโนโลยีไทย-ญี่ปุ่น
สืบค้น:

เขตข้อมูล ข้อมูล
บทคัดย่อ
การพัฒนาระบบจำแนกยาสามัญและยาต้นแบบ โดยใช้โครงข่ายประสาทเทียมแบบคอนโวลูชัน : ในโครงสร้างสาธารณสุขของประเทศไทย ปัญหาการจ่ายยาโดยไม่ระบุชื่อยาหรือการให้ข้อมูลยาที่จำเป็นไม่เพียงพอบนซองยาจากระบบบริการสุขภาพ เป็นหนึ่งในสาเหตุที่สำคัญของการเกิดเหตุการณ์ที่ไม่พึงประสงค์จากการใช้ยา (Adverse Drug Events) จนส่งผลกระทบที่อาจทำให้การรรักษาโรคไม่มีประสิทธิผล เกิดอาการถดถอยหรือมีอันตรายถึงชีวิต หนึ่งในกลวิธีที่ผู้ประกอบการมักใช้ประโยชน์จากปัญหาเหล่านี้ คือ การเลือกจ่ายยาสามัญแทนยาต้นแบบที่รูปลักษณ์ภายนอกที่คล้ายคลึงกันไม่สามารถแยกแยะได้โดยง่าย แต่มีต้นทุนที่ราคาถูก มีคุณภาพในการรักษาที่ด้อยกว่า ซึ่งอาจเกิดจากวัตถุดิบที่มาจากต่างแหล่งแม้จะมีตัวยาสำคัญที่เป็นชนิดเดียวกัน หรือกรรมวิธีการผลิตที่ยาสามัญบางตัวไม่มีแม้ขั้นตอนการตรวจสอบประสิทธิภาพการรักษาหรือผลข้างเคียงที่เกิดจากการใช้ยา ดังนั้นงานวิจัยนี้จึงมีวัตถุประสงค์ในการสร้างเครื่องมือต้นแบบที่ใช้จำแนกระหว่างยาต้นแบบและยาสามัญโดยใช้โครงข่ายประสาทเทียมแบบ Convolutional Neural Network (CNN) ที่กำลังเป็นที่นิยมอันเนื่องมาจากความสามารถในการจดจำ และสกัดคุณลักษณะสำคัญ (Feature Extraction) จากวัตถุในรูปภาพที่สามารถนำมาประยุกต์ใช้กับงานด้านต่างๆ โดยเฉพาะในสาขาคอมพิวเตอร์วิทัศน์ (Computer Vision) มาสร้างเป็นโมเดลการเรียนรู้เชิงลึกเพื่อใช้ในการจำแนกยาสามัญและยาต้นแบบ พร้อมทำการทดสอบเปรียบประสิทธิภาพในการใช้งานกับ โมเดล CNN ที่สร้างจากเทคนิค Transfer Learning จากโมเดลที่มีอยู่เดิม 3 ชนิดได้แก่ VGG16 InceptionV3 และ Resnet50v2 เพื่อหาโมเดล CNN ที่มีประสิทธิภาพการจำแนกสูงสุด โดยใช้ข้อมูลรูปภาพที่ประกอบไปด้วยยาต้นแบบและยาสามัญจำนวน 26 ชนิด ผลลัพธ์ที่ได้จากการทดลองโมเดล CNN ที่สร้างโดยเทคนิค Transfer learning จากโมเดล ResNet50-v2
ผู้แต่ง
ภัทรภณ เลาหกิจวิฑูร
ประเภทสิ่งพิมพ์
วิทยานิพนธ์ (MET) 2023
เลขหน้า
85
หัวเรื่อง
สถาบันเทคโนโลยีไทย-ญี่ปุ่น.สาขาเทคโนโลยีวิศวกรรม--วิทยานิพนธ์
หัวเรื่อง
เทคโนโลยีวิศวกรรม--วิทยานิพนธ์
เอกสารฉบับเต็ม
Download full text