ชุดกล้อง “MicrosisDCN” ผลงานนิสิตวิศวฯ จุฬาฯ คว้า 4 รางวัลนวัตกรรมสายอุดมศึกษาปีนี้

รางวัลผลงานนวัตกรรมสายอุดมศึกษา ประจำปี 2563 ในงาน”มหกรรมการวิจัยแห่งชาติ” (Thailand Research Expo 2020) มีผลงานนวัตกรรมต่างๆ ที่โดดเด่นน่าสนใจมากมาย  หนึ่งในนวัตกรรมสุดล้ำได้แก่  “ชุดกล้อง “MicrosisDCN” วิเคราะห์จุลชีพด้วยโครงข่ายประสาทสำหรับสวมท่อเลนส์ใกล้ตาของกล้องจุลทรรศน์ ผลงานของณัทกร เกษมสำราญ นิสิตปริญญาเอกภาควิชาวิศวกรรมไฟฟ้า คณะวิศวกรรมศาสตร์ จุฬาฯ ซึ่งคว้าถึง  4 รางวัลจากการประกวดนวัตกรรมครั้งนี้ ในกลุ่มการพัฒนาเทคโนโลยี ปัญญาประดิษฐ์ อุปกรณ์อัจฉริยะพลังงานและสิ่งแวดล้อม ประกอบด้วย รางวัลผลงานนวัตกรรมสายอุดมศึกษาระดับดีเด่น เหรียญรางวัลตามเกณฑ์คะแนนของแต่ละผลงานตามที่ วช. กำหนด ระดับเหรียญทอง (Gold Medal) รางวัลการเขียนข้อเสนอโครงการระดับดี และรางวัลระดับ 5 ดาว การนำเสนอเอกสารเชิงความคิด / ผลงานสิ่งประดิษฐ์และนวัตกรรมที่มีคุณภาพ ในกิจกรรมเพิ่มศักยภาพและมาตรฐานบุคลากรอุดมศึกษา บ่มเพาะและแลกเปลี่ยนเรียนรู้เพื่อพัฒนาสิ่งประดิษฐ์และนวัตกรรม

ชุดกล้อง “MicrosisDCN” วิเคราะห์จุลชีพด้วยโครงข่ายประสาทสำหรับสวมท่อเลนส์ใกล้ตาของกล้องจุลทรรศน์ ถูกสร้างขึ้นเพื่อลดระยะเวลาการวินิจฉัยชนิดของเซลล์จุลชีพ เพิ่มความแม่นยำในการคัดแยกและนับจำนวนในห้องปฏิบัติการ สามารถแยกชนิดและนับจำนวนเซลล์ขนาดเล็ก เช่น เม็ดเลือดแดง เม็ดเลือดขาว เซลล์จุลชีพขนาดเล็กอื่นๆ ด้วยโครงข่ายประสาท เป็นชุดอุปกรณ์สำหรับสวมท่อเลนส์ใกล้ตาของกล้องจุลทรรศน์ ภายใต้การทำงานของ Tensorflow และ OpenCV บนระบบสมองกลฝังตัวขนาดเล็ก มีความแม่นยำเฉลี่ยร้อยละ 86.81 

“นวัตกรรมนี้เป็นอุปกรณ์กล้องที่นำเอาระบบโครงข่ายประสาทหรือ AI เข้าไปบรรจุไว้ในชุดกล้อง ทำหน้าที่เป็นอุปกรณ์สำหรับสวมท่อเลนส์ใกล้ตาของกล้องจุลทรรศน์เพื่อทดแทนการส่องดูด้วยตาเปล่าโดยผู้เชี่ยวชาญ โดยแสดงผลผ่านหน้าจอ เพียงนำเอาเซลล์ตัวอย่างของจุลชีพใส่ไว้ใต้กล้องจุลทรรศน์  AI จะทำหน้าที่ในการนับและประมวลผลแบบ real time ทันที” ณัทกร อธิบาย

ณัทกร เผยถึงที่มาของนวัตกรรมชุดกล้อง MicrosisDCN ว่าเป็นส่วนหนึ่งของวิทยานิพนธ์ระดับปริญญาโท ซึ่งมี ผศ.ดร.สุรีย์ พุ่มรินทร์ และ รศ.ดร.นรรัตน์ วัฒนมงคล ภาควิชาวิศวกรรมไฟฟ้า คณะวิศวกรรมศาสตร์ จุฬาฯ เป็นอาจารย์ที่ปรึกษาและอาจารย์ที่ปรึกษาร่วม ตามลำดับ โดยได้รับทุนสิ่งประดิษฐ์ กองทุนรัชดาภิเษกสมโภช สำนักบริหารวิจัย จุฬาลงกรณ์มหาวิทยาลัย จุดเริ่มต้นของงานวิจัยเกิดจากการได้มีโอกาสไปศึกษาดูงานที่ภาควิชาทางด้านจุลชีววิทยา คณะสัตวแพทยศาสตร์ จุฬาฯ ซึ่งพบว่ามีปัญหาเกี่ยวกับการนับจำนวนจุลชีพขนาดเล็กเพื่อวัดปริมาณ หรือวิเคราะห์การติดเชื้อต่างๆ  ผนวกกับการเรียนในภาควิชาวิศวกรรมไฟฟ้าในด้านสมองกลฝังตัวและ AI จึงนำองค์ความรู้ทางด้านวิศวกรรมมาสร้างเป็นอุปกรณ์นี้เพื่อแก้ปัญหาดังกล่าว

การนับจุลชีพหรือเซลล์ขนาดเล็กด้วยตา ต้องอาศัยระยะเวลา ความเชี่ยวชาญและประสบการณ์ เมื่อผู้เชี่ยวชาญต้องปฏิบัติการนานๆ จะเกิดอาการล้าทางสายตา ทำให้การนับนั้นสามารถเกิดความผิดพลาดขึ้นได้ จุดเด่นของชุดกล้องคือความรวดเร็วและแม่นยำ โดยปกติผู้เชี่ยวชาญจะใช้เวลา 5-10 นาทีในการนับเซลล์ทั้งหมดด้วยตาเปล่าต่อหนึ่งพื้นที่การมองเห็นของกล้องจุลทรรศน์ แต่ MicrosisDCN ใช้เวลาไม่เกิน 2 นาที หรือไวที่สุดประมาณ 5 วินาที หากเป็นเซลล์ที่มีขนาดไม่ซับซ้อน ไม่ซ้อนทับกัน มีขอบที่ชัดเจน ก็จะนับได้เร็วยิ่งขึ้น

ณัทกร เผยว่าในเฟสแรก มีการผลิต MicrosisDCN ทั้งหมด 10 ชุด เพื่อนำไปใช้ตามห้องปฏิบัติการณ์เฉพาะทาง จากนั้นจะทำการเก็บติดตามผลว่าคุณสมบัติหรือความสามารถของชุดกล้องนี้มีส่วนใดที่จะต้องปรับปรุงเพิ่มเติมต่อไป ความตั้งใจในการพัฒนานวัตกรรมนี้ไม่ได้จำกัดอยู่ทีการใช้ในห้องปฏิบัติการต่างๆ แต่มองไปถึงการนำไปใช้ในโรงเรียนหรือมหาวิทยาลัยซึ่งมีกล้องจุลทรรศน์เดิมที่มีท่อเลนส์ใกล้ตาอยู่แล้ว เพื่อใช้เป็นสื่อในการเรียนการสอน หรือในภาวะที่เกิดการระบาดของโรค เช่น ไข้เลือดออก ชุดกล้องตัวนียังสามารถดัดแปลงนำไปใช้งานในการเจาะเลือดจากผู้ป่วยที่อยู่ในชนบทห่างไกล แล้วใช้ชุดกล้องนี้ในการนับจำนวนเกล็ดเลือดเพื่อวิเคราะห์ เพื่อให้แพทย์และบุคลากรทางการแพทย์สามารถทำการรักษาได้แบบทันท่วงที

“งานวิจัยในการใช้ AI ในการจับวัตถุหรือ Objective Detection จะมีอยู่ในหลายงานวิจัยทั้งตีพิมพ์ในวารสารหรือว่าสื่อต่างๆ ส่วนใหญ่จะทำในลักษณะของการจับคน วัตถุ สิ่งของ เช่น รถยนต์ อากาศยาน ผมจึงพยายามมองโจทย์ที่ท้าทายมากยิ่งขึ้น ในเบื้องต้นจะมีการทดสอบเปรียบเทียบกันระหว่างการนับโดยมนุษย์และ AIในเรื่องของความแม่นยำ ซึ่งระบบของเรามีความแม่นยำประมาณ 86 % เมื่อต้องนับหลายๆ เซลล์พร้อมกัน แต่ถ้าเป็นเซลล์ที่มีขนาดใหญ่ชนิดเดียวเช่น เซลล์เม็ดเลือดแดง ก็จะมีความแม่นยำเกิน 95 %  เป้าหมายในอนาคตจะทำให้ AI ตัวนี้สามารถนับเซลล์ได้หลายชนิดมากยิ่งขึ้น และเพิ่มความแม่นยำให้เกิน 90 % ขึ้นไป” ณัทกร กล่าว

ในอนาคต ณัทกร ยังคงสนใจทำงานวิจัยเรื่อง Computer Vision หรือ AI  หัวข้องานวิทยานิพนธ์ในระดับปริญญาเอกที่เขากำลังศึกษาเป็นการประยุกต์ใช้ AI เพื่อใช้คาดการณ์หรือพยากรณ์พื้นที่ของโซลาร์เซลล์บนอาคารต่างๆ เพื่อคำนวณว่าในการติดตั้งแผงโซลาร์เซลล์ในแต่ละพื้นที่มีกำลังผลิตพลังงานได้ปริมาณเท่าใด

“งานวิจัยเท่าที่ผมเคยเห็นมาจะทำกันอยู่ในศาสตร์ของตัวเอง แต่งานวิจัยที่จะส่งผลกระทบต่อคนในสังคมได้จริงๆ ควรเป็นงานแบบสหวิทยาการ เพื่อให้ได้องค์ความรู้ ระบบ และอุปกรณ์ที่เป็นนวัตกรรมใหม่ๆ ขึ้นมา งานวิจัยที่ดีควรมีพื้นฐานมากจากความต้องการของผู้ใช้และปัญหาที่พบเจอ ไม่ใช่งานที่ทำขึ้นตามความถนัดหรือความสนใจส่วนตัวของผู้ทำวิจัยเพียงอย่างเดียว ซึ่งสุดท้ายแล้วมันอาจจะไม่ตอบโจทย์ต่อสังคมจริงๆ งานวิจัยไม่ใช่เรื่องไกลตัวเลย แต่อยู่ในชีวิตประจำวันของเรา” ณัทกรกล่าวทิ้งท้าย

• Facebook
• Twitter
• Line