การวิเคราะห์ภาพ X-ray ด้วย AI

Deep Learning สำหรับการวินิจฉัยปอดอักเสบ

CNN + LLM + Explainable AI

ผศ.ดร.ณัฐโชติ พรหมฤทธิ์

Agenda

1. บทนำ ความท้าทายทางการแพทย์
2. CNN หลักการและสถาปัตยกรรม
3. Training Process การฝึกโมเดล
4. การประเมินผล Metrics ที่สำคัญ
5. LLM การวิเคราะห์เชิงคุณภาพ
6. GradCAM Explainable AI
7. Ensemble Model การรวมพลัง
8. การนำไปใช้จริง

ความท้าทายในวงการแพทย์

ข้อมูลโปรเจกต์

Dataset Chest X-ray Images (Pneumonia)

• ภาพทั้งหมด 5,856 ภาพ
• ปอดปกติ 1,583 ภาพ (27%)
• ปอดอักเสบ 4,273 ภาพ (73%)

การแบ่งข้อมูล

• Training 4,192 ภาพ
• Validation 1,040 ภาพ
• Testing 624 ภาพ

Convolutional Neural Network (CNN)

Deep Learning สำหรับการมองเห็น

CNN คือ โครงข่ายประสาทเทียมที่เลียนแบบ Visual Cortex ในสมองมนุษย์

จุดเด่น

• เรียนรู้ features อัตโนมัติ
• จับรูปแบบที่ซับซ้อน

สถาปัตยกรรม CNN

Layers หลัก 3 ประเภท

1. Convolutional Layer

   • สแกนหา features (ขอบ, รูปร่าง, พื้นผิว)

2. Pooling Layer

   • ลดขนาดข้อมูล แต่เก็บข้อมูลสำคัญ

3. Dense Layer

   • รวบรวมข้อมูลและตัดสินใจ

โครงสร้างโมเดลในโปรเจกต์

Input (350×350×1)
    ↓
Conv2D (32) → MaxPool → Output: 174×174×32
    ↓
Conv2D (32) → MaxPool → Output: 86×86×32
    ↓
Conv2D (64) → MaxPool → Output: 42×42×64
    ↓
Conv2D (64) → MaxPool → Output: 20×20×64
    ↓
Conv2D (128, name='last_conv_layer') → 20×20×128
    ↓
Flatten → Dense(128) → Dense(64) → Dense(1, Sigmoid)
    ↓
Output: ความน่าจะเป็น 0-1

Convolutional Layer คืออะไร?

เปรียบเหมือนแว่นขยาย

Filter/Kernel = แว่นขยายขนาด 3×3 พิกเซล

การทำงาน

1. เลื่อนแว่นขยายทีละจุดบนภาพ
2. หา patterns ที่ตรงกัน
3. สร้าง feature map

Convolutional Layer คืออะไร? (ต่อ)

ตัวอย่าง Features

• Layer แรก - ขอบ, เส้น
• Layer กลาง - รูปร่าง, มุม
• Layer ท้าย - วัตถุ, โรค

Pooling Layer

ลดขนาดแต่เก็บสาระสำคัญ

MaxPooling 2×2 = เลือกค่าสูงสุดจากทุก 2×2 พิกเซล

ประโยชน์

• ลดขนาดภาพลง 50%
• ลด parameters ที่ต้องเรียนรู้
• ป้องกัน overfitting
• เพิ่มความเร็ว

ตัวอย่าง 174×174 → 87×87

Dense Layer

ชั้นตัดสินใจ

Flatten แปลง 2D → 1D

• 20×20×128 = 51,200 neurons

Hidden Layers วิเคราะห์ความสัมพันธ์

• Dense(128) → Dense(64)

Output Layer ให้คำตอบ

• Dense(1, Sigmoid) → 0-1
• 0 = Normal, 1 = Pneumonia

กระบวนการ Training

5 ขั้นตอนหลัก

1. Data Preparation
2. Forward Propagation
3. Loss Calculation
4. Backpropagation
5. Weight Update

วนซ้ำ 30 epochs

Data Preparation

การเตรียมข้อมูล

1. Normalization

• เปลี่ยนค่าพิกเซล 0-255 → 0-1
• ช่วยให้เรียนรู้เร็วและเสถียร

2. Data Augmentation

• Rotation, Zoom, Flip
• สร้างภาพใหม่จากภาพเดิม
• ป้องกัน overfitting

Data Preparation (ต่อ)

การเตรียมข้อมูล (ต่อ)

3. Class Balancing

• ปอดอักเสบมากกว่าปกติ 3 เท่า
• ใช้ class weights ปรับสมดุล

Class Imbalance Problem

ปัญหาข้อมูลไม่สมดุล

ข้อมูล

• Normal 1,082 ภาพ (26%)
• Pneumonia 3,110 ภาพ (74%)

ปัญหา โมเดลอาจทายว่าปอดอักเสบตลอด!

วิธีแก้ Class Weights

• Normal weight = 1.94
• Pneumonia weight = 0.67

Learning Rate Scheduling

การปรับ Learning Rate อัตโนมัติ

ReduceLROnPlateau

• ติดตาม validation loss
• ถ้าไม่ดีขึ้น 2 epochs → ลด LR 10 เท่า
• Min LR = 0.000001

ผลลัพธ์

• Epoch 1-4 LR = 0.001
• Epoch 5-8 LR = 0.0001
• Epoch 9+ LR = 0.00001

ผลการ Training

30 Epochs Performance

Final Test Accuracy ~91.5%

Confusion Matrix

ผลการทดสอบ 624 ภาพ

	Predicted Normal	Predicted Pneumonia
Actual Normal	204 (TN)	30 (FP)
Actual Pneumonia	23 (FN)	367 (TP)

Accuracy 91.51%

Metrics ที่สำคัญ

การวัดประสิทธิภาพ

Accuracy = 91.51%

• ทายถูกกี่เปอร์เซ็นต์

Precision = 92.44%

• เมื่อบอกว่าป่วย ถูกกี่เปอร์เซ็นต์

Recall = 94.10%

• จับผู้ป่วยจริงได้กี่เปอร์เซ็นต์

Metrics ที่สำคัญ (ต่อ)

การวัดประสิทธิภาพ (ต่อ)

F1-Score = 93.27%

• ค่าเฉลี่ยของ Precision และ Recall

ROC Curve

Receiver Operating Characteristic

ROC Curve แสดงความสมดุลระหว่าง:

• True Positive Rate (Sensitivity)
• False Positive Rate (1-Specificity)

AUC = 0.9564

• 1.0 = Perfect
• 0.5 = Random guess

แปลผล: โมเดลมีประสิทธิภาพสูงมาก

Large Language Model (LLM)

AI ที่เข้าใจภาษาและภาพ

MedGemma-4B-IT

• โมเดล 4 พันล้าน parameters
• ฝึกด้วยข้อมูลทางการแพทย์
• Multimodal (ข้อความ + ภาพ)

Large Language Model (LLM) (ต่อ)

AI ที่เข้าใจภาษาและภาพ (ต่อ)

ความสามารถ

• อธิบายสิ่งที่เห็นในภาพ X-ray
• ให้คำแนะนำทางการแพทย์
• ตอบคำถามเชิงคลินิก

Transformer Architecture

หัวใจของ LLM

Self-Attention Mechanism

• เข้าใจความสัมพันธ์ระหว่างส่วนต่างๆ
• ให้ "ความสนใจ" กับส่วนที่สำคัญ

Transformer Architecture (ต่อ)

หัวใจของ LLM (ต่อ)

การทำงาน

1. Tokenization แปลงเป็น tokens
2. Embedding แปลงเป็นเวกเตอร์
3. Attention หาความสัมพันธ์
4. Generation สร้างคำตอบ

GradCAM Explainable AI

ทำให้ AI อธิบายได้

ปัญหา Black Box

• AI บอกว่า "ปอดอักเสบ"
• แต่แพทย์อยากรู้ว่า AI ดูตรงไหน?

GradCAM คือคำตอบ

• สร้าง Heatmap แสดงจุดที่ AI สนใจ
• เหมือน Highlighter บนภาพ

หลักการ GradCAM

Gradient-weighted Class Activation Mapping

5 ขั้นตอน

1. Forward Pass - ส่งภาพผ่านโมเดล
2. Backward Pass - คำนวณย้อนกลับ
3. Calculate Gradients - หาความสำคัญ
4. Create Heatmap - สร้างแผนที่ความร้อน
5. Overlay - ซ้อนบนภาพต้นฉบับ

การแปลผล Heatmap

สีบอกความสำคัญ

การแปลสี

• แดง = AI สนใจมาก (น่าจะเป็นจุดติดเชื้อ)
• เหลือง = AI สนใจปานกลาง
• น้ำเงิน = AI ไม่สนใจ

การแปลผล Heatmap (ต่อ)

สีบอกความสำคัญ (ต่อ)

ความน่าเชื่อถือ

• สีแดงที่ปอด = มั่นใจสูง
• สีแดงกระจาย = ติดเชื้อลุกลาม?
• สีแดงนอกปอด = อาจมีปัญหา

ความสำคัญของ GradCAM

ในทางการแพทย์

1. สร้างความเชื่อมั่น

• แพทย์เห็นว่า AI มองถูกจุด

2. ตรวจสอบความถูกต้อง

• ดักจับเมื่อ AI มองผิด

3. เครื่องมือการสอน

• นักศึกษาเห็นจุดสำคัญ

ข้อควรระวัง GradCAM

สิ่งที่ต้องจำ

1. ไม่ใช่การวินิจฉัย

   • เป็นแค่การแสดงว่า AI มองอะไร

2. ต้องมีความรู้ทางการแพทย์

   • ในการแปลผล heatmap

3. อาจมี false positives

   • AI อาจเห็น pattern ที่มนุษย์มองไม่เห็น

ข้อควรระวัง GradCAM (ต่อ)

สิ่งที่ต้องจำ (ต่อ)

4. ขึ้นกับคุณภาพโมเดล
   • โมเดลไม่ดี = GradCAM ไม่มีความหมาย

Ensemble Model

การรวมพลัง CNN + LLM

ผลลัพธ์ การวินิจฉัยที่แม่นยำพร้อมคำอธิบาย

การใช้งานจริง

ขั้นตอนการใช้ระบบ

1. ถ่าย X-ray
2. อัปโหลดภาพ
3. AI วิเคราะห์
4. แสดงผลลัพธ์
5. แพทย์ตรวจสอบ

เวลาทั้งหมด < 30 วินาที

Implementation Overview

เครื่องมือที่ใช้

Deep Learning Framework

• TensorFlow/Keras

Libraries หลัก

• NumPy, Pandas (จัดการข้อมูล)
• Matplotlib, Plotly (Visualization)
• Scikit-learn (Metrics)

Implementation Overview (ต่อ)

เครื่องมือที่ใช้ (ต่อ)

Libraries หลัก (ต่อ)

• Transformers (LLM)
• tf-keras-vis (GradCAM)

Code Structure

โครงสร้างหลักใน Notebook

1. Data Loading & Exploration

   • kagglehub download dataset
   • ตรวจสอบจำนวนภาพ

2. Data Preprocessing

   • ImageDataGenerator
   • Data augmentation

Code Structure (ต่อ)

โครงสร้างหลักใน Notebook (ต่อ)

3. Model Building
   • Functional API
   • Conv2D, MaxPooling, Dense

Training Configuration

การตั้งค่าสำคัญ

Image Settings

• Size 350×350
• Color Grayscale
• Batch size 32

Training Configuration (ต่อ)

การตั้งค่าสำคัญ (ต่อ)

Training Settings

• Optimizer Adam
• Loss Binary Crossentropy
• Epochs 30
• Learning Rate Adaptive

Model Evaluation

การประเมินผลโมเดล

Evaluation Methods

1. Test set evaluation
2. Confusion Matrix
3. Classification Report
4. ROC/AUC Analysis

Model Evaluation (ต่อ)

การประเมินผลโมเดล (ต่อ)

Visualization

• Training history plots
• Prediction distribution
• GradCAM heatmaps

Future Improvements

การพัฒนาต่อไป

Model Enhancement

• Transfer Learning (ResNet, EfficientNet)
• Ensemble ของหลายโมเดล
• Cross-validation

Future Improvements (ต่อ)

การพัฒนาต่อไป (ต่อ)

Features เพิ่มเติม

• Multi-class classification
• Severity scoring
• Report generation

Key Takeaways

สิ่งสำคัญที่ควรจำ

1. CNN เหมาะสำหรับวิเคราะห์ภาพทางการแพทย์
2. Data Imbalance ต้องจัดการด้วย class weights
3. Multiple Metrics ดูหลายตัวชี้วัด ไม่ใช่แค่ accuracy
4. GradCAM ช่วยสร้างความเชื่อมั่น
5. Ensemble รวมจุดแข็งของหลายโมเดล
6. แพทย์ตรวจสอบ เสมอก่อนการรักษา

ข้อความสำคัญ

Disclaimer

ระบบ AI นี้พัฒนาขึ้นเพื่อเป็นเครื่องมือช่วยแพทย์

• ใช้สำหรับคัดกรองเบื้องต้น
• ช่วยจัดลำดับความเร่งด่วน
• ไม่สามารถใช้แทนการวินิจฉัยโดยแพทย์
• ไม่ใช้ตัดสินใจรักษาโดยลำพัง

ผลการวิเคราะห์ต้องผ่านการพิจารณาจากแพทย์เสมอ