Deep Learning สำหรับการวิเคราะห์ภาพทางการแพทย์ (พยาธิวิทยาดิจิทัล)
ภาพพยาธิวิทยาดิจิทัลมีขนาดระดับกิกะพิกเซล ใหญ่เกินกว่าจะใส่เข้าโมเดลได้ทั้งภาพ งานจึงเริ่มจากการหาบริเวณเนื้อเยื่อแล้วตัดเป็น patch จากนั้นเทรนและเปรียบเทียบโมเดล CNN (ResNet, U-Net, DeepLabV3+) และ Vision Transformer (SegFormer และ foundation model ทางพยาธิวิทยาที่ใช้เป็น encoder แบบ frozen ต่อกับ decoder ขนาดเล็ก รวมถึงการ fine-tune ด้วย LoRA) สำหรับงาน semantic segmentation และการตรวจจับวัตถุ (object detection) ทุกการทดลองเขียนด้วย PyTorch แบบ config-driven ทำซ้ำได้ และติดตามผลด้วย MLflow รันทั้งบน GPU workstation และ HPC cluster งานวิจัยนี้ยังไม่ได้ตีพิมพ์ หน้านี้จึงเล่าเฉพาะสาขาและเทคนิคที่ใช้
รายละเอียดจะเผยแพร่หลังตีพิมพ์
