បញ្ញាសិប្បនិម្មិតអាចជួយក្នុងការប្រយុទ្ធប្រឆាំងនឹង COVID-19

ជំងឺរាតត្បាត COVID-19 បានវាយលុកពិភពលោកដោយព្យុះនៅដើមឆ្នាំ 2020 ហើយបានក្លាយទៅជាមូលហេតុនាំមុខគេនៃការស្លាប់នៅក្នុងប្រទេសមួយចំនួន រួមទាំងប្រទេសចិន សហរដ្ឋអាមេរិក អេស្ប៉ាញ និងចក្រភពអង់គ្លេស។ អ្នកស្រាវជ្រាវកំពុងធ្វើការយ៉ាងទូលំទូលាយលើការបង្កើតវិធីជាក់ស្តែងក្នុងការធ្វើរោគវិនិច្ឆ័យការឆ្លងមេរោគ COVID-19 ហើយពួកគេជាច្រើនបានផ្តោតការយកចិត្តទុកដាក់របស់ពួកគេទៅលើរបៀបដែលបញ្ញាសិប្បនិម្មិត (AI) អាចត្រូវបានប្រើប្រាស់សម្រាប់គោលបំណងនេះ។       

ការសិក្សាជាច្រើនបានរាយការណ៍ថាប្រព័ន្ធដែលមានមូលដ្ឋានលើ AI អាចត្រូវបានប្រើដើម្បីរកមើល COVID-19 នៅក្នុងរូបភាពកាំរស្មីអ៊ិចទ្រូង ដោយសារតែជំងឺនេះមាននិន្នាការបង្កើតតំបន់ដែលមានខ្ទុះ និងទឹកនៅក្នុងសួត ដែលបង្ហាញជាចំណុចពណ៌សនៅក្នុងការស្កែនកាំរស្មីអ៊ិច។ . ទោះបីជាគំរូ AI រោគវិនិច្ឆ័យផ្សេងៗផ្អែកលើគោលការណ៍នេះត្រូវបានស្នើឡើងក៏ដោយ ការកែលម្អភាពត្រឹមត្រូវ ល្បឿន និងការអនុវត្តនៅតែជាអាទិភាពចម្បង។

ឥឡូវនេះ ក្រុមអ្នកវិទ្យាសាស្ត្រដែលដឹកនាំដោយសាស្រ្តាចារ្យ Gwanggil Jeon នៃសាកលវិទ្យាល័យជាតិ Incheon ប្រទេសកូរ៉េ បានបង្កើតក្របខណ្ឌការវិនិច្ឆ័យជំងឺកូវីដ-១៩ ដោយស្វ័យប្រវត្តិ ដែលប្រែក្លាយអ្វីៗទៅជាស្នាមរន្ធដោយរួមបញ្ចូលគ្នានូវបច្ចេកទេសដែលមានមូលដ្ឋានលើ AI ដែលមានអនុភាពពីរ។ ប្រព័ន្ធរបស់ពួកគេអាចត្រូវបានបណ្តុះបណ្តាលដើម្បីកំណត់ភាពខុសគ្នាយ៉ាងត្រឹមត្រូវរវាងរូបភាពកាំរស្មីអ៊ិចទ្រូងនៃអ្នកជំងឺ COVID-19 ពីអ្នកដែលមិនមែនជាកូវីដ-១៩។ ក្រដាសរបស់ពួកគេត្រូវបានដាក់ឱ្យប្រើប្រាស់នៅលើអ៊ីនធឺណិតនៅថ្ងៃទី 19 ខែតុលា ឆ្នាំ 19 ហើយត្រូវបានបោះពុម្ពនៅថ្ងៃទី 27 ខែវិច្ឆិកា ឆ្នាំ 2021 ក្នុងលេខ 21 លេខ 2021 នៃ IEEE Internet of Things Journal ។

ក្បួនដោះស្រាយទាំងពីរដែលអ្នកស្រាវជ្រាវបានប្រើគឺ Faster R-CNN និង ResNet-101។ ទីមួយគឺជាគំរូដែលផ្អែកលើការរៀនម៉ាស៊ីនដែលប្រើបណ្តាញសំណើតំបន់ ដែលអាចត្រូវបានបណ្តុះបណ្តាលដើម្បីកំណត់អត្តសញ្ញាណតំបន់ដែលពាក់ព័ន្ធនៅក្នុងរូបភាពបញ្ចូល។ ទីពីរ គឺជាបណ្តាញសរសៃប្រសាទដែលសិក្សាជ្រៅជ្រះ រួមមាន 101 ស្រទាប់ ដែលត្រូវបានប្រើជាឆ្អឹងខ្នង។ ResNet-101 នៅពេលដែលត្រូវបានបណ្តុះបណ្តាលជាមួយនឹងទិន្នន័យបញ្ចូលគ្រប់គ្រាន់ គឺជាគំរូដ៏មានឥទ្ធិពលសម្រាប់ការទទួលស្គាល់រូបភាព។ សាស្ត្រាចារ្យ Jeon មានប្រសាសន៍ថា "តាមចំណេះដឹងរបស់យើង វិធីសាស្រ្តរបស់យើងគឺជាលើកដំបូងដើម្បីបញ្ចូលគ្នានូវ ResNet-101 និង Faster R-CNN សម្រាប់ការរកឃើញ COVID-19" សាស្រ្តាចារ្យ Jeon មានប្រសាសន៍ថា "បន្ទាប់ពីការបណ្តុះបណ្តាលគំរូរបស់យើងជាមួយនឹងរូបភាព X-ray 8800 យើងទទួលបាន ភាពត្រឹមត្រូវគួរឱ្យកត់សម្គាល់ 98% ។

ក្រុមស្រាវជ្រាវជឿជាក់ថាយុទ្ធសាស្ត្ររបស់ពួកគេអាចមានប្រយោជន៍សម្រាប់ការរកឃើញដំបូងនៃ COVID-19 នៅក្នុងមន្ទីរពេទ្យ និងមណ្ឌលសុខភាពសាធារណៈ។ ការប្រើប្រាស់បច្ចេកទេសវិនិច្ឆ័យដោយស្វ័យប្រវត្តិដោយផ្អែកលើបច្ចេកវិទ្យា AI អាចទទួលយកការងារមួយចំនួន និងសម្ពាធពីអ្នកជំនាញផ្នែកវិទ្យុសកម្ម និងអ្នកជំនាញផ្នែកវេជ្ជសាស្ត្រផ្សេងទៀត ដែលបានប្រឈមមុខនឹងបន្ទុកការងារយ៉ាងច្រើនចាប់តាំងពីជំងឺរាតត្បាតបានចាប់ផ្តើម។ ជាងនេះទៅទៀត នៅពេលដែលឧបករណ៍វេជ្ជសាស្ត្រទំនើបកាន់តែច្រើនត្រូវបានភ្ជាប់ទៅអ៊ីនធឺណិត វានឹងអាចផ្តល់ទិន្នន័យបណ្តុះបណ្តាលយ៉ាងច្រើនដល់គំរូដែលបានស្នើឡើង។ នេះនឹងផ្តល់លទ្ធផលឱ្យកាន់តែមានភាពសុក្រឹតជាងមុន ហើយមិនត្រឹមតែសម្រាប់ COVID-19 ប៉ុណ្ណោះទេ ដូចដែលសាស្រ្តាចារ្យ Jeon មានប្រសាសន៍ថា៖ "វិធីសាស្រ្តសិក្សាជ្រៅជ្រះដែលប្រើក្នុងការសិក្សារបស់យើងគឺអាចអនុវត្តបានចំពោះប្រភេទរូបភាពវេជ្ជសាស្ត្រផ្សេងទៀត ហើយអាចប្រើដើម្បីធ្វើរោគវិនិច្ឆ័យជំងឺផ្សេងៗ។"