Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/84697
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorสุรีย์ พุ่มรินทร์-
dc.contributor.authorภูมิพัฒน์ เจริญธนานุวัฒน์-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์-
dc.date.accessioned2024-02-09T03:08:37Z-
dc.date.available2024-02-09T03:08:37Z-
dc.date.issued2566-
dc.identifier.urihttps://cuir.car.chula.ac.th/handle/123456789/84697-
dc.descriptionวิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2566-
dc.description.abstractการตรวจเซลล์ลิมโฟบลาสติกเฉียบพลันในภาพฟิล์มเลือดเป็นวิธีการวินิจฉัยโรคมะเร็งเม็ดเลือดขาว การใช้การแบ่งภาพเชิงความหมายของเซลล์เม็ดเลือดขาวเฉียบพลันสามารถนำไปใช้ในการพัฒนาระบบการวิเคราะห์โดยใช้คอมพิวเตอร์ช่วย ในขอบเขตของการวิเคราะห์ฟิล์มส่วนปลาย วิธีการเรียนรู้เชิงลึก โดยเฉพาะอย่างยิ่งโครงข่ายประสาทเทียมแบบคอนโวลูชันมักถูกนำมาใช้ ปัจจุบัน โมเดลที่ใช้ทรานฟอร์มเมอร์สำหรับงานแบ่งภาพความหมายส่วนใหญ่ให้ผลลัพธ์ในเชิงความแม่นยำที่สูง ในการศึกษานี้ SegFormer ซึ่งเป็นแบบจำลองที่ใช้ทรานฟอร์มเมอร์สำหรับการแบ่งภาพความหมาย ถูกนำมาใช้เพื่อแบ่งส่วนและจำแนกเซลล์เม็ดเลือดขาวเฉียบพลันโดยใช้กลยุทธ์การฝึกอบรมที่แตกต่างกันสี่แบบ ผลลัพธ์ที่ดีที่สุดเกิดขึ้นได้โดยมีค่าเฉลี่ยของจุดตัด-โอเวอร์-ยูเนี่ยน (IoU) เท่ากับ 0.821 และความแม่นเฉลี่ย 0.917-
dc.description.abstractalternativeThe 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.isoth-
dc.publisherจุฬาลงกรณ์มหาวิทยาลัย-
dc.rightsจุฬาลงกรณ์มหาวิทยาลัย-
dc.subject.classificationComputer Science-
dc.subject.classificationInformation and communication-
dc.subject.classificationComputer science-
dc.titleการจำแนกเซลล์เม็ดเลือดแดงและเซลล์เม็ดเลือดขาวด้วยแบบจำลองทรานฟอร์มเมอร์สำหรับวิธีการแบ่งภาพเชิงความหมายร่วมกับการตรวจจับวัตถุ-
dc.title.alternativeClassification of red and white blood cells using transformer-based semantic segmentation and object detection joint method-
dc.typeThesis-
dc.degree.nameวิศวกรรมศาสตรมหาบัณฑิต-
dc.degree.levelปริญญาโท-
dc.degree.disciplineวิศวกรรมไฟฟ้า-
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัย-
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
6372093721.pdf3.01 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.