การสร้างโมเดลปัญญาประดิษฐ์ความแม่นยำสูงในการตรวจจับตาดำ

Abstract

การตรวจจับตาดำอย่างแม่นยำมีความสำคัญในงานด้านสุขภาพ เช่น การตรวจภาวะตาเข และการติดตามความผิดปกติของเส้นประสาทสมองที่ควบคุมการเคลื่อนไหวของลูกตา งานวิจัยนี้มุ่งพัฒนาโมเดลปัญญาประดิษฐ์ที่สามารถระบุตำแหน่งจุดศูนย์กลางตาดำได้อย่างแม่นยำโดยใช้ชุดข้อมูล Columbia Gaze ซึ่งเป็นภาพดวงตาที่ถ่ายในสภาพแวดล้อมจริงและมีความหลากหลายของแสงและมุมมอง กลุ่มตัวอย่างถูกแบ่งเป็นชุดฝึกร้อยละ 80 และชุดทดสอบร้อยละ 20 โมเดลปัญญาประดิษฐ์ที่ใช้คือ โมเดล Xception ที่ผู้วิจัยปรับเปลี่ยนเพื่อทำหน้าที่เป็นโมเดลถดถอย (Regression) ซึ่งสามารถประมาณตำแหน่งจุดศูนย์กลางและรัศมีของตาดำได้โดยตรง โมเดลนี้ผ่านการสอนโดยใช้ฟังก์ชัน Huber Loss และเพิ่มความแม่นยำด้วยการปรับเปลี่ยนออปติไมเซอร์ (Optimizer) จากผลการวิจัยพบว่าโมเดลสามารถตรวจจับตาดำได้อย่างแม่นยำโดยให้ค่าความคลาดเคลื่อนเฉลี่ยแบบสมมาตร () ต่ำกว่า 2.5 เมื่อทดสอบกับชุดข้อมูล BioID และ GI4E ซึ่งเหนือกว่าแนวทางที่นำเสนอในงานวิจัยก่อนหน้า นอกจากนี้โมเดลยังสามารถทำงานได้ดีในสภาพแวดล้อมที่แตกต่างกัน อย่างไรก็ตามข้อจำกัดของงานวิจัยคือ ชุดข้อมูลที่ใช้สอนโมเดลเป็นภาพสี ในขณะที่ชุดข้อมูล BioID ที่ใช้ทดสอบเป็นภาพขาวดำซึ่งส่งผลต่อความแม่นยำของโมเดล ข้อเสนอแนะจากงานวิจัยนี้คือ โมเดลที่ได้สามารถนำไปประยุกต์ใช้ในการตรวจคัดกรองภาวะตาเขเบื้องต้น การติดตามผู้ป่วยที่มีปัญหาในการทำงานของเส้นประสาทสมองคู่ที่ควบคุมการเคลื่อนไหวของกล้ามเนื้อลูกตา และการพัฒนาเทคโนโลยีช่วยเหลือสำหรับผู้ป่วยที่มีข้อจำกัดด้านการเคลื่อนไหว และควรมีการศึกษาต่อยอดเพื่อพัฒนาให้โมเดลสามารถทำงานได้ดีขึ้นในสภาพแวดล้อมที่มีแสงไม่สม่ำเสมอ และรองรับการใช้งานกับอุปกรณ์ที่หลากหลายเพื่อให้สามารถนำไปใช้จริงทางคลินิกได้อย่างมีประสิทธิภาพสูงสุด