ก

กิตติกรรมประกาศ

คณะผูจัดทําโครงการขอแสดงความขอบคุณตอผูชวยศาสตราจารยมณเทียร พันธุเมธากุล ภาควิชา

จุลทรรศนคลินิก คณะเทคนิคการแพทย ที่ชวยแนะนําและอธิบายขัน้ ตอนในการวิเคราะหเซลลเม็ดเลือดแดง
ซึ่งไดนํามากําหนดเปนขอบเขตของโครงการเพื่อที่จะไดพัฒนาตอไป
นอกจากนีข้ อขอบคุณเพื่อนรวมชั้นป ทีไ่ ดชวยเหลือและแนะนําในการเขียนโปรแกรมบางสวน เพื่อชวย
ใหโปรแกรมทํางานไดถูกตอง และสามารถดําเนินงานตอไปได
 ข

บทคัดยอ

โครงการนี้เปนการพัฒนาโปรแกรมตรวจนับและแยกแยะชนิดของเม็ดเลือดแดง โดยสามารถใช
วิเคราะหภาพถายเม็ดเลือดแดงที่ถา ยจากกลองจุลทรรศนได ระบบที่พัฒนาขึน้ อาศัยวิธีการประมวลผลภาพ
เชิงดิจิตอลและโครงขายประสาทเทียมในการแยกแยะและนับจํานวนเม็ดเลือดแดงโดยอัตโนมัติ ภาพถายเม็ด
เลือดแดงไดมาจากกลอง CCD ที่ตอกับกลองจุลทรรศนโดยตรงหรือจากไฟลภาพ ขั้นตอนแรกหลังจากได
รูปภาพมาคือ ขบวนการแยกแยะภาพเพื่อแยกภาพเม็ดเลือดแดงออกจากฉากหลัง หลังจากนั้นภาพเม็ดเลือด
แดงแตละเซลลจะถูกนําไปคํานวณหาลักษณะเดนของแตละเซลล เชน พื้นที่เซลล ความยาวเสนรอบรูป รัศมี
ของขอบเซลล และ curvature เปนตน คาทีไ่ ดเหลานีจ้ ะถูกนําไปเขาโครงขายประสาทเทียม ทีไ่ ดทาํ การฝกฝน
ใหจดจํารูปแบบของเซลลเม็ดเลือดแตละชนิดไว โครงขายประสาทเทียมจะนับและแยกแยะชนิดของเม็ดเลือด
โดยอัตโนมัติ ผลการทดลองเบื้องตนพบวาความถูกตองของโครงขายประสาทเทียมในการแยกแยะชนิดของ
เม็ดเลือดอยูที่ประมาณ 70 เปอรเซ็นต และยังจํากัดชนิดของเม็ดเลือดแดงอยู ซึ่งยังตองพัฒนาและวิจยั ให
โปรแกรมมีประสิทธิภาพดีขนึ้ ตอไป ซึ่งหากไดรับการพัฒนาจนใชงานได โปรแกรมนี้จะเปนประโยชนอยางมาก
ในวงการสาธารณสุข
 ค

Abstract

A Red blood cell counting and classification program is developed in this project which can
analyze red blood cell images taken from a microscope. The developed system employs digital
image processing algorithms and artificial neural network to segment and classify red blood cells
automatically. Red blood cell images can be obtained from a CCD camera directly attached to a
microscope or from image files. This step after obtaining the image is image segmentation to
separate red blood cells from background. Then distinct features of cells such as cell area, cell
perimeter, cell radius and curvature are computed. These values are fed into an artificial neural
network trained for cell type recognition. The network will count and classify red blood cell
automatically. Initial results show that the network yield results with 70 percent and is limited to
some types of red blood cells. The program is needed to be developed more to get better
efficiency. The program will be beneficial for health care industry.
 ง

สารบัญ

กิตติกรรมประกาศ ก
บทคัดยอ ข
Abstract ค
สารบัญ ง
สารบัญรูปภาพ ฉ
สารบัญตาราง ซ
บทที่ 1 บทนํา 1
1.1 ที่มาและความสําคัญของโครงการ 1
1.2 วัตถุประสงค 1
1.3 ขอบเขต 1
1.4 แนวทางการดําเนินงาน 2
1.5 ประโยชนที่คาดวาจะไดรับ 3
บทที่ 2 งานวิจัยและทฤษฎีที่เกี่ยวของ 4
2.1 งานวิจยั ที่เกี่ยวของ 4
2.2 ทฤษฎีหลักการและเทคนิคทีใ่ ช 5
2.2.1 เซลลเม็ดเลือดแดง (Blood cells) 5
2.2.2 Image segmentation 9
2.2.3 Artificial neural network 13
บทที่ 3 การออกแบบโปรแกรม 17
3.1 การทํางานของสวน Input 18
3.2 การทํางานของสวนประมวลผล 18
3.3 การทํางานของสวน Output 26
บทที่ 4 การพัฒนาโปรแกรม 27
4.1 รายละเอียดโปรแกรมที่ไดพฒ ั นาในเชิงเทคนิค (Software specification) 27
4.1.1 Input specification 27
4.1.2 โครงสรางของซอฟตแวร (Design and functional specification ) 27
 จ

4.2 ขอบเขตและขอจํากัดของโปรแกรมที่พฒ ั นา 30
4.2.1 ขอบเขตของโปรแกรม 30
4.2.2 ขอจํากัดของโปรแกรมที่พฒ
ั นา 30
4.2.3 คุณลักษณะของอุปกรณที่ใชกับโปรแกรม 30
4.2.4 กลุมผูใช 30
บทที่ 5 ตัวอยางการใชโปรแกรม 31
5.1 การใชงานโปรแกรม 31
5.1.1 สวน Input 31
5.1.2 สวนของการทดลองและประมวลผล 33
5.1.3 สวนของการรายงานผล 36
บทที่ 6 บทสรุปและขอเสนอแนะ 38
6.1 ผลของการทดสอบโปรแกรม 38
6.2 ปญหาและอุปสรรค 42
6.3 แนวทางในการพัฒนาและประยุกตใชรวมกับงานอื่นๆ ในขัน้ ตอไป 42
6.4 ขอสรุปและขอเสนอแนะ 43
ภาคผนวก คูมือการติดตั้งและการใชงานโปรแกรม 44
บรรณานุกรม 47
 ฉ

สารบัญรูปภาพ

รูปที่ 2.1 เม็ดเลือดแดงที่ปกติ 5

รูปที่ 2.2 Microcyte 6
รูปที่ 2.3 Macrocyte 6
รูปที่ 2.4 Acanthocytes 6
รูปที่ 2.5 Creanated 6
รูปที่ 2.6 Elliptocytes 7
รูปที่ 2.7 Keratocyte 7
รูปที่ 2.8 Ovalocytes 7
รูปที่ 2.9 Target cells 7
รูปที่ 2.10 Tear drop cells 8
รูปที่ 2.11 Schistocytes 8
รูปที่ 2.12 Spherocytes 8
รูปที่ 2.13 Stomatocytes 8
รูปที่ 2.14 Image segmentation 9
รูปที่ 2.15 Laplacian image 10
รูปที่ 2.16 Original image 10
รูปที่ 2.17 Gradient image 10
รูปที่ 2.18 Edge vector field 12
รูปที่ 2.19 ทางเดินของอนุภาคในสนามเวคเตอรขอบ 12
รูปที่ 2.20 สนามเวคเตอรแบบบีบอัด(Normal compressive vector field) 12
รูปที่ 2.21 เสนขอบที่ใชสมการที่ (5) 13
รูปที่ 2.22 โครงสรางของ Multilayer feedforward network 14
รูปที่ 3.1 โครงสรางของโปรแกรม 17
รูปที่ 3.2 โครงสรางของอุปกรณ 18
รูปที่ 3.3 ตัวอยางผลการ Segmentation ภาพเม็ดเลือด (ภาพจาก Matlab) 19
รูปที่ 3.4 ตัวอยางผลการดึงภาพเม็ดเลือดแตละ Label ของภาพตนแบบออกมา(ภาพจาก Matlab) 20
 ช

รูปที่ 3.5 ผลการ Segmentation ออกทาง Dialog ของโปรแกรม 22

รูปที่ 3.6 Dialog ของการกําหนดประเภทใหขอมูลของเม็ดเลือดแดงแตละเม็ด 24
รูปที่ 3.7 หนาตางของโปรแกรม เมื่อแสดงการรายงานผล 26
รูปที่ 5.1 หนาตางของโปรแกรม 31
รูปที่ 5.2 หนาตางการเปดไฟล 32
รูปที่ 5.3 หนาตางของโปรแกรมเมื่อแสดงผลการเปดไฟล 33
รูปที่ 5.4 หนาตางของโปรแกรมเมื่อแสดงผลของ Image segmentation 34
รูปที่ 5.5 หนาตางการเก็บขอมูลของเม็ดเลือดแดง 35
รูปที่ 5.6 หนาตางของโปรแกรมเมื่อแสดงการรายงานผลของโปรแกรม 37
รูปที่ 6.1 ไฟลภาพเซลลเม็ดเลือดแดงที่นํามาทดลอง 38
 ซ

สารบัญตาราง

ตารางที่ 1 แนวทางการดําเนินงาน 3
ตารางที่ 2 สรุปผลการทดลองทั้งหมด 41
ตารางที่ 3 เปรียบเทียบการนับจํานวนและแยกแยะประเภท 47