การจำแนกเซลล์เม็ดเลือดแดงและเซลล์เม็ดเลือดขาวด้วยแบบจำลองทรานฟอร์มเมอร์สำหรับวิธีการแบ่งภาพเชิงความหมายร่วมกับการตรวจจับวัตถุ

ภูมิพัฒน์ เจริญธนานุวัฒน์

dc.contributor.advisor	สุรีย์ พุ่มรินทร์
dc.contributor.author	ภูมิพัฒน์ เจริญธนานุวัฒน์
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
dc.date.accessioned	2024-02-09T03:08:37Z
dc.date.available	2024-02-09T03:08:37Z
dc.date.issued	2566
dc.identifier.uri	https://cuir.car.chula.ac.th/handle/123456789/84697
dc.description	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2566
dc.description.abstract	การตรวจเซลล์ลิมโฟบลาสติกเฉียบพลันในภาพฟิล์มเลือดเป็นวิธีการวินิจฉัยโรคมะเร็งเม็ดเลือดขาว การใช้การแบ่งภาพเชิงความหมายของเซลล์เม็ดเลือดขาวเฉียบพลันสามารถนำไปใช้ในการพัฒนาระบบการวิเคราะห์โดยใช้คอมพิวเตอร์ช่วย ในขอบเขตของการวิเคราะห์ฟิล์มส่วนปลาย วิธีการเรียนรู้เชิงลึก โดยเฉพาะอย่างยิ่งโครงข่ายประสาทเทียมแบบคอนโวลูชันมักถูกนำมาใช้ ปัจจุบัน โมเดลที่ใช้ทรานฟอร์มเมอร์สำหรับงานแบ่งภาพความหมายส่วนใหญ่ให้ผลลัพธ์ในเชิงความแม่นยำที่สูง ในการศึกษานี้ SegFormer ซึ่งเป็นแบบจำลองที่ใช้ทรานฟอร์มเมอร์สำหรับการแบ่งภาพความหมาย ถูกนำมาใช้เพื่อแบ่งส่วนและจำแนกเซลล์เม็ดเลือดขาวเฉียบพลันโดยใช้กลยุทธ์การฝึกอบรมที่แตกต่างกันสี่แบบ ผลลัพธ์ที่ดีที่สุดเกิดขึ้นได้โดยมีค่าเฉลี่ยของจุดตัด-โอเวอร์-ยูเนี่ยน (IoU) เท่ากับ 0.821 และความแม่นเฉลี่ย 0.917
dc.description.abstractalternative	The examination of peripheral blood smear images for acute lymphoblastic cells represents a diagnostic approach for leukemia. The utilization of semantic segmentation of acute lymphoblastic cells can be employed in the development of a computer-aided analysis system. In the realm of peripheral blood smear analysis, deep learning methods, particularly convolutional neural networks, are commonly utilized. Currently, transformer-based models have emerged as the state-of-the-art approach for semantic segmentation tasks. In this study, SegFormer, a transformer-based model for semantic segmentation, was utilized to segment and classify acute lymphoblastic cells using four distinct training strategies. The optimal outcome was achieved with a mean intersection-over-union (IoU) of 0.821 and a mean accuracy of 0.917.
dc.language.iso	th
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย
dc.subject.classification	Computer Science
dc.subject.classification	Information and communication
dc.subject.classification	Computer science
dc.title	การจำแนกเซลล์เม็ดเลือดแดงและเซลล์เม็ดเลือดขาวด้วยแบบจำลองทรานฟอร์มเมอร์สำหรับวิธีการแบ่งภาพเชิงความหมายร่วมกับการตรวจจับวัตถุ
dc.title.alternative	Classification of red and white blood cells using transformer-based semantic segmentation and object detection joint method
dc.type	Thesis
dc.degree.name	วิศวกรรมศาสตรมหาบัณฑิต
dc.degree.level	ปริญญาโท
dc.degree.discipline	วิศวกรรมไฟฟ้า
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย