ทีมวิจัยพัฒนา AI แบบ Deep Learning พร้อมเซ็นเซอร์อัลตร้าโซนิค เตือนผู้ป่วยทางเดินปัสสาวะผิดปกติให้เตรียมเข้าห้องน้ำ
Body
ในงานประชุมวิชาการ ACM MobiSys ปีนี้ ทีมวิจัยจากมหาวิทยาลัยฮ่องกงร่วมกับมหาวิทยาลัยเสิ่นเจิ้น รายงานถึงการพัฒนาเซ็นเซอร์ร่วมกับโมเดลปัญญาประดิษฐ์แบบ deep learning เพื่อการตรวจวัดปริมาตรกระเพาะปัสสาวะ สำหรับผู้ป่วยทางเดินปัสสาวะส่วนล่างทำงานผิดปกติ (lower urinary tract dysfunction - LUTD) ที่ไม่สามารถรับรู้ได้ชัดเจนว่ากระเพาะปัสสาวะเต็มหรือไม่
ตัวเซ็นเซอร์ส่งเสียงอัลตร้าโซนิคความถี่ 3MHz จับสัญญาณแบบ phased-array เป็นรูปตัว X สามารถยิงเสียงเป็น beam เพื่อหาปริมาตรของกระเพาะปัสสาวะแบบสามมิติได้
แม้ตัวเซ็นเซอร์จะสามารถตรวจจับได้ แต่การติดเซ็นเซอร์ตลอดเวลาเพื่อให้ผู้ป่วยสามารถใช้ชีวิตตามปกติได้ จะทำให้มีสัญญาณรบกวนและผู้ป่วยอาจจะขยับร่างกายไปมาทำให้การประเมินปริมาตรกระเพาะปัสสาวะทำได้ยาก โมเดลปัญญาประดิษฐ์ BladderCoordNet รับภาพจากเซ็นเซอร์และทำนายปริมาตรของกระเพาะปัสสาวะโดยตรง
การฝึกโมเดล BladderCoordNet อาศัยอาสาสมัคร 10 คน ชาย 7 คน หญิง 3 คน ให้ดื่มน้ำ 500 มิลลิลิตรแล้วจับภาพอัลตร้าโซนิคต่อเนื่อง รวมถึงให้อาสาสมัครเปลี่ยนท่าทางต่างๆ ได้ภาพรวม 6,180 ภาพ เมื่อตรวจสอบความแม่นยำพบว่าสามารถประเมินได้ผิดพลาดเฉลี่ย 8.5% ที่สำคัญคืออัตราความผิดพลาดลดลงเมื่อปริมาตรสูงขึ้น
โมเดลปัญญาประดิษฐ์เฉพาะทางเช่นนี้มีขนาดพารามิเตอร์เพียง 165,000 พารามิเตอร์และใช้การ์ด NVIDIA RTX 4090 ก็สามารถฝึกได้ และการรันโมเดลบนชิปโทรศัพท์มือถือก็ใช้เวลาเพียง 39ms เท่านั้น
ที่มา - ACM
lew Tue, 01/09/2026 - 23:46
Continue reading...
Body
ในงานประชุมวิชาการ ACM MobiSys ปีนี้ ทีมวิจัยจากมหาวิทยาลัยฮ่องกงร่วมกับมหาวิทยาลัยเสิ่นเจิ้น รายงานถึงการพัฒนาเซ็นเซอร์ร่วมกับโมเดลปัญญาประดิษฐ์แบบ deep learning เพื่อการตรวจวัดปริมาตรกระเพาะปัสสาวะ สำหรับผู้ป่วยทางเดินปัสสาวะส่วนล่างทำงานผิดปกติ (lower urinary tract dysfunction - LUTD) ที่ไม่สามารถรับรู้ได้ชัดเจนว่ากระเพาะปัสสาวะเต็มหรือไม่
ตัวเซ็นเซอร์ส่งเสียงอัลตร้าโซนิคความถี่ 3MHz จับสัญญาณแบบ phased-array เป็นรูปตัว X สามารถยิงเสียงเป็น beam เพื่อหาปริมาตรของกระเพาะปัสสาวะแบบสามมิติได้
แม้ตัวเซ็นเซอร์จะสามารถตรวจจับได้ แต่การติดเซ็นเซอร์ตลอดเวลาเพื่อให้ผู้ป่วยสามารถใช้ชีวิตตามปกติได้ จะทำให้มีสัญญาณรบกวนและผู้ป่วยอาจจะขยับร่างกายไปมาทำให้การประเมินปริมาตรกระเพาะปัสสาวะทำได้ยาก โมเดลปัญญาประดิษฐ์ BladderCoordNet รับภาพจากเซ็นเซอร์และทำนายปริมาตรของกระเพาะปัสสาวะโดยตรง
การฝึกโมเดล BladderCoordNet อาศัยอาสาสมัคร 10 คน ชาย 7 คน หญิง 3 คน ให้ดื่มน้ำ 500 มิลลิลิตรแล้วจับภาพอัลตร้าโซนิคต่อเนื่อง รวมถึงให้อาสาสมัครเปลี่ยนท่าทางต่างๆ ได้ภาพรวม 6,180 ภาพ เมื่อตรวจสอบความแม่นยำพบว่าสามารถประเมินได้ผิดพลาดเฉลี่ย 8.5% ที่สำคัญคืออัตราความผิดพลาดลดลงเมื่อปริมาตรสูงขึ้น
โมเดลปัญญาประดิษฐ์เฉพาะทางเช่นนี้มีขนาดพารามิเตอร์เพียง 165,000 พารามิเตอร์และใช้การ์ด NVIDIA RTX 4090 ก็สามารถฝึกได้ และการรันโมเดลบนชิปโทรศัพท์มือถือก็ใช้เวลาเพียง 39ms เท่านั้น
ที่มา - ACM
lew Tue, 01/09/2026 - 23:46
Continue reading...