Detection of fat and fibrosis in liver biopsy by using image processing
การตรวจวัดปริมาณไขมันและพังผืดในเนื้อเยื่อตับโดยใช้เทคนิคการประมวลผลภาพ
โดย
นางสาว ปวีณ์สุดา สุมิตไพบูลย์
นาย อนุรักษ์ ดำรงพิทักษ์กุล
นางสาว กัญญาณัฐ มี้เจริญ
นาย เจริญ ฉวีจันทร์
นาย วนัส ขอดศิริ
นาย จรัสรวี ดีเขื่อนขันธ์
นาย เกียรติศักดิ์ เกษรบัว
นาย กัณฑ์อเนก อติชาตวิวัฒน์
วิทยาลัยนานาชาติ สถาบันเทคโนโลยีพระจอมเกล้าลาดกระบัง
ตามปกติแล้ว การตรวจตับเพื่อหาโรคอย่างโรคตับแข็ง (Cirrhosis) นั้น
เจ้าหน้าที่อาจจะตรวจจากเนื้อเยื่อตับ (liver biopsy)
โดยประเมินด้วยตาเปล่าว่ามีปริมาณไขมันหรือพังผืดมากน้อยแค่ไหน
ปริมาณไขมันและพังผืดในตับจะเป็นตัวบ่งชี้ถึงโรคในตับได้
เจ้าหน้าที่แพทย์ หรือเทคนิคการแพทย์จะต้องได้รับการฝึกฝนมาอย่างดีเพื่อคาดคะเนปริมาณไขมันและพังผืด
เช่นประมาณ 5% 10% หรือ 20% แต่ก็ไม่สามารถบอกตัวเลขได้อย่างแม่นยำเช่น 4.2%
โครงงานนี้จึงเกิดขึ้นมาเพื่อช่วยประเมินปริมาณไขมันและพังผืดในตับ โดยการเอาข้อมูลที่เป็นภาพเนื้อเยื่อตับมาเข้าขบวนการแยกแยะภาพ โดยมีการกำหนดสิ่งที่ต้องการหาอยู่ 2 อย่างคือ
1. การตรวจไขมัน ดูว่ามีปริมาณเป็นกี่เปอร์เซ็นต์ ปริมาณไขมันในตับที่มากไปก็ก่อให้เกิดอันตรายและอาจก่อให้เกิดโรคตับได้
2. การตรวจพังผืด เมื่อตับมีปัญหาก็จะเริ่มสร้างเนื้อเยื่อแข็งๆที่เป็นพังผืดขึ้นมา ซึ่งก็จะทำให้ตับมีลักษณะทางกายภาพที่แข็งขึ้น และถ้ามีมากก็จะพัฒนาเป็นโรคตับ
โครงงานนี้มุ่งเน้นเฉพาะการหาปริมาณโดยไม่เกี่ยวกับการวินิจฉัยแต่อย่างใด
การวินิจฉัยเป็นหน้าที่ของบุคคลากรทางการแพทย์ แต่จะทำให้งานของแพทย์ง่ายขึ้นมาก
แค่ส่องกล้องขยาย เอารูปมาสแกน ใช้เวลาไม่กี่วินาทีเท่านั้นก็ได้ผลออกมาแล้ว
ความท้าทายของโครงการ
เนื้อตับเองมีสีชมพูและไขมันมีสีขาว เป็นลักษณะกลม ซึ่งเราจำเป็นต้องมีการแยกระหว่างไขมันกับหลอดเลือดที่เป็นสีขาวเหมือนกันด้วย
เพื่อทำความเข้าใจในเรื่องนี้ในช่วงแรกนักศึกษาเข้าไปศึกษากับทีมแพทย์ ตอนแรกเราจะได้ ภาพตัวอย่าง มาดูก่อนโดยที่มีอาจารย์ท่านหนึ่งที่จะศึกษารายละเอียดคราวๆ แล้วก็มาดูกับนักศึกษา เพื่อศึกษามาทำเป็นการบ้าน มีข้อมูลตรงไหนที่เราสงสัยแล้วก็เตรียมข้อมูล เพื่อไปศึกษากับคุณหมอ ว่ามันน่าจะใช่หรือเปล่า
พอเราเข้าใจแล้วว่าไขมันในตับหน้าตาเป็นอย่างไรก็เริ่มมาวัดกัน software
จะทำตำแหน่งเครื่องหมายบ่งบอกว่าตรงไหนเป็นไขมัน
แพทย์สามารถคลิกไม่เอาตำแหน่งที่ทำเครื่องหมายมาคิดปริมาณไขมันได้ เป็นการคัดกรองอีกขั้นหนึ่ง
ซึ่งการทำตรงนี้ก็มีความท้าทายคือการย้อมสีติดไม่เท่ากันในแต่ละชิ้นตัวอย่าง
ทำให้เราต้องทำให้ Software สามารถแยกแยะสีที่ไม่เท่ากันได้และบ่งบอกได้ว่าตรงไหนคือไขมันสีขาว
รูปภาพที่ได้มา pixel ก็สำคัญ
ขั้นตอนแรกเราต้องแยกออกมาก่อนว่า ตรงไหนเป็น ตรงไหนไม่เป็นไขมัน ซึ่งตรงนี้สามารถดูที่สี ได้ดูค่าเฉลี่ยของสี เป็น segmentation แยกสีออกมาได้ จากนั้นเราก็ จะทำการ จับกลุ่ม pixel ที่มันติดกัน เข้าด้วยกัน เราก็จะได้ กลุ่มของ pixel มันมาเป็นหลายๆก้อน จากนั้นเราก็จะคำนวณ ใช้ฟีเจอร์สักสองสามอย่าง
1 ความขาว ซึ่งความขาวก็จะมีหลายระดับ เราก็จะดูจากค่าเฉลี่ยสีในก้อนๆนั้น
2 พื้นที่ ของกลุ่มโดยนับจำนวน pixel ในกลุ่มนั้นๆ
3 ความกลม (circularity) โดยก็จะมีสูตรคำนวณ โดยอาศัยเส้นรอบวง และพื้นที่
สำหรับรูปร่างต่างๆที่มีพื้นที่เท่ากัน วงกลมจะมีเส้นรอบวงน้อยที่สุดเสมอ เราเอาหลักการนี้มาดูว่าตรงไหนเป็นไขมันบ้าง เพราะไขมันจะมีลักษณะค่อนข้างกลม เรานับ Pixel เพื่อบอกว่าเม็ดสีขาวของเราพื้นที่ขนาดเท่าไหร่ และ เส้นรอบรูปเท่าไหร่ ถ้าเส้นรอบรูปมันมากเกินไป ก็ถือว่าไม่เป็นวงกลม วันนี้ก็เป็นส่วนหนึ่งในการตัดสินใจว่าสิ่งที่ปรากฏเป็นไขมันหรือไม่
การทำงานของ software มีลำดับขั้นตอนดังนี้
ขั้นตอนการตัดสินใจว่ากลุ่มก้อนสีขาวๆ ควรจะเป็นไขมันหรือไม่
เราใช้เทคนิคที่เรียกว่า Machine learning
โดยทั่วการเขียนโปรแกรมอาจจะแบ่งได้กว้างๆ เป็น 2 รูปแบบ
1. Rule Based โดยโปรแกรมเมอร์ จะเป็นคนคิดกฎในการตัดสินใจต่างๆ อย่างเช่น เราอาจจะตั้งกฏว่า ถ้า circularity มากกว่า 0.8 และค่าเฉลี่ยสีมากกว่าสมมุติ 200 เราจะเรียกมันว่าไขมัน หรือถ้าไม่ตรงตามกฎนี้ ก็คือไม่ใช่ไขมัน ซึ่งจะต้องอาศัยการสังเกตุจากข้อมูลที่มี แล้วสร้างเป็นกฎออกมา ในกรณีที่ปัญหามีความซับซ้อนมากๆ กฎที่สร้างขึ้นอาจจะไม่ถูกต้องทุกอย่าง
2. เราก็จะเปลี่ยน approach ที่เราสอนทุกอย่าง แผนที่เราจะสอนกฎให้คอมพิวเตอร์ เราโยน data ให้คอมพิวเตอร์ เราให้มันหากฎเอง อันนี้ก็คือ machine learning ให้มันสร้างกฎด้วยตัวเอง เราก็จะบอกว่าอันนี้คือ ไขมัน อันนี้คือไม่ใช่ ไขมัน แล้วให้มันหากฎด้วยตัวเอง ก็จะใช่เทคนิคแบบนี้ ให้มันแยกได้
เราก็ใช้ Machine learning เพื่อให้เราสามารถตัดสินใจแยกแยะไขมันออกจากภาพ และคำนวนปริมาณไขมันเพื่อให้แพทย์วินิจฉัยโรคต่อไปได้
การตรวจหาพังผืดในตับ ก็มีลักษณะการทำงานคล้ายๆ กัน ต่างกันเพียงรายละเอียดปลีกย่อย กล่าว คือ ใช้เทคนิคการประมวลผลภาพเพื่อหากลุ่มก้อนที่น่าจะเป็นพังผืดก่อน จากนั้นจึงใช้เทคนิค Machine learning ในการตัดสินใจขั้นสุดท้ายว่า ก้อนเหล่านั้น เป็นพังผืดจริงหรือไม่
"วิทยาลัยนานาชาติสาขา Software Engineering สถาบันเทคโนโลยีเจ้าคุณทหารลาดกระบัง"
