បញ្ហា (The Problem)៖ ការធ្វើរោគវិនិច្ឆ័យជំងឺផាកឃីនសុន (Parkinson's disease) តាមបែបប្រពៃណីជាទូទៅមានភាពយឺតយ៉ាវ និងពឹងផ្អែកលើការវាយតម្លៃរោគសញ្ញាគ្លីនិកដែលងាយនឹងមានកំហុស ដែលធ្វើឱ្យការរកឃើញនៅដំណាក់កាលដំបូងជួបការលំបាក។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់វិធីសាស្ត្ររួមបញ្ចូលគ្នាដោយវិភាគទាំងរោគសញ្ញាចលនា និងមិនមែនចលនាតាមរយៈការប្រើប្រាស់ក្បួនដោះស្រាយម៉ាស៊ីនរៀន (Machine Learning) កម្រិតខ្ពស់។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| DenseNet-121 ម៉ូដែលបណ្ដាញសរសៃប្រសាទកម្រិតជ្រៅ (DenseNet-121) សម្រាប់ការវិភាគគំនូរ |
មានភាពត្រឹមត្រូវខ្ពស់ មានស្ថិរភាព និងកាត់បន្ថយការបាត់បង់ទិន្នន័យ (Loss) ពេលកំពុងហ្វឹកហាត់បានយ៉ាងល្អ។ | ទាមទារថាមពលកុំព្យូទ័រក្នុងការហ្វឹកហាត់ច្រើនជាងម៉ូដែលសាមញ្ញ និងទាមទារការកំណត់រចនាសម្ព័ន្ធត្រឹមត្រូវដើម្បីចៀសវាង Overfitting។ | ទទួលបានភាពត្រឹមត្រូវខ្ពស់បំផុត ៨៥.១៧% ក្នុងការវិភាគការសរសេរដោយដៃ។ |
| Support Vector Machine (SVM) ចំណាត់ថ្នាក់គាំទ្រវ៉ិចទ័រម៉ាស៊ីន (SVM) សម្រាប់ការវិភាគសំឡេង |
ផ្តល់ភាពត្រឹមត្រូវខ្ពស់បំផុត និងមានតុល្យភាពល្អឥតខ្ចោះរវាងការទស្សន៍ទាយវិជ្ជមានពិត (Precision) និងការចងចាំ (Recall)។ | ត្រូវការការទាញយកលក្ខណៈពិសេស (Feature extraction) ច្បាស់លាស់ជាមុន មិនអាចទាញយកលក្ខណៈពិសេសដោយស្វ័យប្រវត្តិដូច Deep Learning នោះទេ។ | ទទួលបានភាពត្រឹមត្រូវ ៨៩.៧៤% ជាមួយនឹង F1-Score ៩៣.៩៤% និងមានទំនុកចិត្តខ្ពស់ក្នុងការទស្សន៍ទាយ។ |
| ResNet-50 ម៉ូដែលបណ្ដាញសរសៃប្រសាទ (ResNet-50) |
ជារចនាសម្ព័ន្ធបណ្តាញជ្រៅដែលអាចទាញយកលក្ខណៈពិសេសស្មុគស្មាញពីរូបភាពបានយ៉ាងច្រើន។ | មានបញ្ហា Overfitting និងមានការថយចុះភាពត្រឹមត្រូវគួរឱ្យកត់សម្គាល់ក្នុងពេលធ្វើតេស្តជាក់ស្តែង (Validation)។ | ដំណើរការមិនសូវបានល្អ ដោយទទួលបានភាពត្រឹមត្រូវត្រឹមតែ ៦៦.៦៧% ប៉ុណ្ណោះ។ |
| XGBoost Classifier ក្បួនដោះស្រាយ XGBoost សម្រាប់ការវិភាគសំឡេង |
មានល្បឿនលឿន និងមានភាពជាក់លាក់ (Precision) ខ្ពស់រហូតដល់ ៩៥.៦៥%។ | មានអត្រា Recall ទាប (៧០.៩៧%) ដែលមានន័យថាវាខកខានក្នុងការរកឃើញអ្នកជំងឺពិតប្រាកដជាច្រើន និងមានកំហុស Log Loss ខ្ពស់។ | ទទួលបានភាពត្រឹមត្រូវសរុបត្រឹមតែ ៧៤.៣៦% ប៉ុណ្ណោះ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះប្រើប្រាស់ឧបករណ៍ចំណាយទាប និងកូដបើកចំហរ (Open-source) ប៉ុន្តែទាមទារសមត្ថភាពកុំព្យូទ័រមធ្យមទៅខ្ពស់សម្រាប់ការហ្វឹកហាត់ម៉ូដែល Deep Learning មុនពេលដាក់ឱ្យដំណើរការលើឧបករណ៍តូចៗ។
ទិន្នន័យដែលប្រើប្រាស់ក្នុងការសិក្សានេះត្រូវបានប្រមូលពីស្ថាប័ននៅលោកខាងលិច (សហរដ្ឋអាមេរិក) ដែលលក្ខណៈសូរសព្ទនៃភាសានិយាយ និងទម្លាប់នៃការសរសេរអាចមានភាពខុសគ្នាបន្តិចបន្តួចពីអ្នកជំងឺនៅកម្ពុជា។ ទោះបីជាលក្ខណៈជីវសាស្រ្តទូទៅនៃការញ័រមានសភាពដូចគ្នាក៏ដោយ ការយកមកអនុវត្តនៅកម្ពុជាតម្រូវឱ្យមានការប្រមូលទិន្នន័យសំឡេងអ្នកជំងឺនិយាយភាសាខ្មែរ ដើម្បីធានាបាននូវភាពត្រឹមត្រូវខ្ពស់បំផុត។
វិធីសាស្ត្រដែលពឹងផ្អែកលើឧបករណ៍សាមញ្ញ និងមិនមានការចាក់ ឬវះកាត់នេះ គឺពិតជាស័ក្តិសម និងមានសក្តានុពលខ្ពស់សម្រាប់ប្រព័ន្ធសុខាភិបាលនៅក្នុងប្រទេសកម្ពុជា។
ជារួម ការដាក់ពង្រាយប្រព័ន្ធនេះនៅកម្ពុជានឹងជួយកាត់បន្ថយចំណាយលើការធ្វើរោគវិនិច្ឆ័យ និងពង្រីកលទ្ធភាពនៃការរកឃើញជំងឺពីដំណាក់កាលដំបូង ដែលជួយឱ្យការព្យាបាលមានប្រសិទ្ធភាពជាងមុន។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| DenseNet-121 | ជាទម្រង់នៃបណ្តាញសរសៃប្រសាទកម្រិតជ្រៅ (Deep Learning Architecture) ដែលស្រទាប់នីមួយៗតភ្ជាប់ទៅកាន់គ្រប់ស្រទាប់បន្ទាប់ទាំងអស់។ ការធ្វើបែបនេះជួយឱ្យម៉ូដែលប្រើប្រាស់លក្ខណៈពិសេសពីរូបភាពឡើងវិញបានល្អ កាត់បន្ថយចំនួនប៉ារ៉ាម៉ែត្រ និងការពារកុំឱ្យបាត់បង់ព័ត៌មានពេលកំពុងហ្វឹកហាត់។ | ដូចជាការធ្វើការងារជាក្រុម ដែលសមាជិកម្នាក់ៗតែងតែចែករំលែកព័ត៌មានដែលខ្លួនមានទៅកាន់សមាជិកផ្សេងទៀតទាំងអស់ដោយផ្ទាល់ ដើម្បីកុំឱ្យបាត់បង់ព័ត៌មានសំខាន់។ |
| Support Vector Machine (SVM) | ជាក្បួនដោះស្រាយម៉ាស៊ីនរៀន (Machine Learning) ដែលព្យាយាមស្វែងរកបន្ទាត់ ឬប្លង់ (Hyperplane) ដ៏ល្អបំផុតដើម្បីខណ្ឌចែកទិន្នន័យជាក្រុមផ្សេងៗគ្នា ដោយធានាថារក្សាគម្លាតឱ្យបានធំបំផុតរវាងក្រុមទាំងនោះ។ | ដូចជាការសង់របងមួយនៅចំកណ្តាលទីធ្លា ដើម្បីបំបែកហ្វូងចៀម និងហ្វូងពពែ ដោយទុកគម្លាតឱ្យឆ្ងាយពីគ្នាបំផុតតាមដែលអាចធ្វើទៅបាន ដើម្បីងាយស្រួលចំណាំ។ |
| Mel Frequency Cepstral Coefficients (MFCC) | ជាបច្ចេកទេសទាញយកលក្ខណៈពិសេសពីសំឡេង ដោយបំប្លែងរលកសំឡេងទៅជាទម្រង់ទិន្នន័យដែលម៉ាស៊ីនអាចយល់បាន ដែលវាមានលក្ខណៈស្រដៀងទៅនឹងរបៀបដែលត្រចៀកមនុស្សចាប់យកកម្រិតប្រេកង់សំឡេង។ | ដូចជាឧបករណ៍បំពងសំឡេង (Equalizer) ដែលកាត់បំបែកបទចម្រៀងទៅជាកម្រិតសម្លេងខ្ពស់ ទាប និងកណ្តាល ដើម្បីឱ្យយើងងាយស្រួលស្តាប់ដឹងពីប្រភេទឧបករណ៍ភ្លេងនីមួយៗ។ |
| Jitter | ជារង្វាស់នៃការប្រែប្រួលនៃរលកប្រេកង់ (Frequency) ពីមួយខួបទៅមួយខួបនៃសំឡេងនិយាយ ដែលបង្ហាញពីភាពមិនប្រក្រតី ឬការញ័រនៃខ្សែចំណងសំឡេង (Vocal cords) ដែលជាញឹកញាប់កើតមានលើអ្នកជំងឺផាកឃីនសុន។ | ដូចជារថយន្តមួយដែលបើកបរក្នុងល្បឿនមិនថេរ ដោយអ្នកបើកបរជាន់ហ្គែរនិងជាន់ហ្វ្រាំងឆ្លាស់គ្នាជាប់ជានិច្ច ធ្វើឱ្យការធ្វើដំណើរញ័រតាក់ៗមិនរលូន។ |
| Bradykinesia | ជារោគសញ្ញាគ្លីនិកមួយនៃជំងឺផាកឃីនសុន ដែលអ្នកជំងឺមានការថយចុះល្បឿនក្នុងការធ្វើចលនារាងកាយ និងមានការលំបាកក្នុងការចាប់ផ្តើមធ្វើសកម្មភាពផ្សេងៗ (ដូចជាការដើរ ឬការចាប់កាន់វត្ថុ)។ | ដូចជាការចាក់បញ្ចាំងវីដេអូក្នុងល្បឿនយឺត (Slow-motion) ដែលធ្វើឱ្យរាល់ចលនាមើលទៅហាក់ដូចជាមានភាពធ្ងន់ និងមិនអាចធ្វើបានលឿនតាមចិត្តចង់។ |
| Correlation of Inter-Stroke Pressure (CISP) | ជាលក្ខណៈពិសេសកម្រិតខ្ពស់ដែលទាញយកពីការសរសេរដោយដៃ ដើម្បីវាស់ស្ទង់ការប្រែប្រួលនៃកម្លាំងសង្កត់ប៊ិចពីគំនូសមួយទៅគំនូសមួយទៀត ដែលជួយវាយតម្លៃកម្រិតធ្ងន់ធ្ងរនៃការបាត់បង់ការគ្រប់គ្រងចលនាដៃ។ | ដូចជាការតាមដានស្នាមជើងរបស់អ្នកដើរលើខ្សាច់ បើស្នាមជើងខ្លះជ្រៅ ខ្លះរាក់ខុសប្រក្រតី នោះបញ្ជាក់ថាអ្នកដើរមិនមានលំនឹងជើងល្អនោះទេ។ |
| Overfitting | ជាបញ្ហានៅពេលដែលម៉ូដែលម៉ាស៊ីនរៀនទន្ទេញចាំទិន្នន័យហ្វឹកហាត់បានល្អពេក (រាប់បញ្ចូលទាំងកំហុសតូចតាចក្នុងទិន្នន័យនោះ) តែមិនអាចយកទៅប្រើដើម្បីទស្សន៍ទាយទិន្នន័យថ្មីៗផ្សេងទៀតបានត្រឹមត្រូវឡើយ។ | ដូចជាសិស្សដែលខិតខំទន្ទេញចាំចម្លើយវិញ្ញាសាចាស់ៗយ៉ាងស្ទាត់ជំនាញ តែប្រឡងធ្លាក់នៅពេលគ្រូចេញសំណួរថ្មីដែលគ្រាន់តែប្តូរលេខបន្តិចបន្តួច។ |
| Hyperplane | ជាបន្ទាត់ ឬផ្ទៃព្រំដែនសិប្បនិម្មិតក្នុងលំហវិមាត្រខ្ពស់ (High-dimensional space) ដែលក្បួនដោះស្រាយ (ដូចជា SVM) បង្កើតឡើងដើម្បីខណ្ឌចែកចំណុចទិន្នន័យទៅជាក្រុមផ្សេងៗគ្នាសម្រាប់ការធ្វើចំណាត់ថ្នាក់។ | ដូចជាការយកបន្ទាត់មួយទៅគូសកាត់ចំកណ្តាលក្រដាស ដើម្បីបំបែកគ្រាប់សណ្តែកក្រហមឱ្យនៅម្ខាង និងសណ្តែកខៀវឱ្យនៅម្ខាងទៀតដោយដាច់ស្រឡះពីគ្នា។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
