Please use this identifier to cite or link to this item: https://rsuir-library.rsu.ac.th/handle/123456789/2132
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorศนิ บุญญกุล-
dc.contributor.advisorณัฐพล ถนัดช่างแสง-
dc.contributor.authorสกุนา ช่างบู่-
dc.date.accessioned2023-12-20T02:13:12Z-
dc.date.available2023-12-20T02:13:12Z-
dc.date.issued2565-
dc.identifier.urihttps://rsuir-library.rsu.ac.th/handle/123456789/2132-
dc.descriptionวิทยานิพนธ์ (วศ.ม. (วิศวกรรมชีวการแพทย์)) -- มหาวิทยาลัยรังสิต, 2565en_US
dc.description.abstractด้วยอาการป่วยของคนไทยที่มีความชุกในลำดับต้นๆ ก็คือโรคไต ซึ่งเป็นโรคที่คุกคามสุขภาพคนไทยมาโดยตลอด และมีแนวโน้มจำนวนผู้ป่วยเพิ่มขึ้น การตรวจวินิจฉัยต้องใช้บุคลากรทางการแพทย์ที่มีอยู่จำกัด ทำให้ผู้ป่วยต้องรอและเสียโอกาสในการรักษา ด้วยความก้าวหน้าทางเทคโนโลยีทั้งการจัดเก็บ การประมวลผลข้อมูล และความสามารถของอุปกรณ์ที่มีประสิทธิภาพ สูงขึ้น รวมทั้งเทคโนโลยีปัญญาประดิษฐ์ ทำให้การวิเคราะห์ข้อมูลและการทำนายโอกาส แนวโน้มในอนาคตมีความแม่นยำมากขึ้น งานวิจัยนี้วัตถุประสงค์เพื่อ 1) ศึกษาเปรียบเทียบประสิทธิภาพแบบจำลองที่ใช้ในการวิเคราะห์โอกาสการเกิดโรคไตเรื้อรังของผู้ป่วยเบาหวาน 2) ศึกษาแบบจำลองที่ใช้ในการวิเคราะห์ระยะการเกิดโรคไตเรื้อรังของผู้ป่วยเบาหวาน และ 3) พัฒนาเว็บแอพพลิเคชั่นสำหรับตรวจประเมินระยะของโรคในผู้ป่วยโรคไตเรื้อรัง โดยใช้เทคโนโลยีปัญญาประดิษฐ์ ตามหลักการเรียนรู้ของเครื่อง (Machine Learning: ML) ประเภท การเรียนรู้แบบมีผู้สอน (Supervised Learning) โดยใช้ข้อมูลผู้ป่วยโรคเบาหวานจำนวน 1,528 คน จากคณะแพทยศาสตร์ วชิรพยาบาล ผลการวิจัยพบว่าอัลกอริทึมที่เหมาะสมคือ อัลกอริทึมซัพพอร์ตเวคเตอร์แมชชีน (Support Vector Machine: SVM) และนำมาพัฒนาเว็บแอพพลิเคชั่นด้วยภาษาไพธอน แบบจำลองที่ได้มีค่าความถูกต้อง เท่ากับ 0.9760 ค่าความแม่นยำ เท่ากับ 0.9726 ค่าความระลึกเท่ากับ 0.9530 ค่าความถ่วงดุล เท่ากับ 0.9627 ตัววัดประสิทธิภาพโดยใช้พื้นที่ใต้กราฟ เท่ากับ 0.9701 เมื่อนำแบบจำลองและข้อมูลดังกล่าวมาสร้างเว็บแอพพลิเคชั่นพบว่า ผลการประเมินเว็บแอพพลิเคชั่น มีค่าเฉลี่ยในภาพรวมเท่ากับ 4.45 อยู่ในระดับมากen_US
dc.language.isootheren_US
dc.publisherมหาวิทยาลัยรังสิตen_US
dc.subjectไต -- โรค -- ผู้ป่วย -- การดูแลen_US
dc.subjectโรคไตเรื้อรัง -- ผู้ป่วยen_US
dc.subjectโปรแกรมประยุกต์บนเว็บen_US
dc.titleเว็บแอพพลิเคชั่นสำหรับตรวจประเมินระยะของโรคในผู้ป่วยโรคไตเรื้อรังโดยใช้เทคโนโลยีปัญญาประดิษฐ์en_US
dc.title.alternativeWeb application for screening and evaluation of chronic kidney disease using artificial intelligence technologyen_US
dc.typeThesisen_US
dc.description.other-abstractAmong the most common illnesses in Thailand, a kidney disease is considered a continual threat to Thai people as seen from the increasing rate of patients with kidney diseases. Due to limitations on diagnosis and limited number of medical personnel, patients need to queue and sometimes lack opportunity to receive treatment. With the help of technological advancement in data collection, storage, and processing as well as the effectiveness of high-tech devices including artificial intelligence (AI), the diagnosis and prediction have become more valid. This research aimed to 1) conduct a comparative study on the effectiveness of the model for predicting kidney diseases in patient with diabetes, 2) investigate the model for predicting kidney diseases in patient with diabetes, and 3) develop a web application for evaluating stages of kidney diseases in patients with chronic kidney diseases (CKDs) with an application of AI according to the concept of supervised learning in Machine Learning (ML). The research investigated 1,528 patients with diabetes from Faculty of Medicine, Vajira Hospital. The result revealed that the best algorithm was Support Vector Machine (SVM) which was applied to the development of a python web application. The model had an accuracy of 0.9760, a precision of 0.9726, a recall of 0.9530, and an F-measure of 0.9627. The effectiveness of the model was 0.9701. The mean score of the web application evaluation was high (x̅ =4.45).en_US
dc.description.degree-nameวิศวกรรมศาสตรมหาบัณฑิตen_US
dc.description.degree-levelปริญญาโทen_US
dc.contributor.degree-disciplineวิศวกรรมชีวการแพทย์en_US
Appears in Collections:BioEng-BE-M-Thesis

Files in This Item:
File Description SizeFormat 
SAKUNA CHANGBOO.pdf1.97 MBAdobe PDFView/Open


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