Diagnose flat foot from foot print image using combine indexes based on neural network
Issued Date
2014
Copyright Date
2014
Resource Type
Language
eng
File Type
application/pdf
No. of Pages/File Size
x, 58 leaves : col. ill.
Access Rights
open access
Rights
ผลงานนี้เป็นลิขสิทธิ์ของมหาวิทยาลัยมหิดล ขอสงวนไว้สำหรับเพื่อการศึกษาเท่านั้น ต้องอ้างอิงแหล่งที่มา ห้ามดัดแปลงเนื้อหา และห้ามนำไปใช้เพื่อการค้า
Rights Holder(s)
Mahidol University
Bibliographic Citation
Thesis (M.Sc. (Technology of Information System Management))--Mahidol University, 2014
Suggested Citation
Wanlop Aruntammanak Diagnose flat foot from foot print image using combine indexes based on neural network. Thesis (M.Sc. (Technology of Information System Management))--Mahidol University, 2014. Retrieved from: https://repository.li.mahidol.ac.th/handle/20.500.14594/95220
Title
Diagnose flat foot from foot print image using combine indexes based on neural network
Alternative Title(s)
การวินิจฉัยโรคเท้าแบนจากภาพรอยพิมพ์ฝ่าเท้าโดยการผสมผสานดัชนีชี้วัดบนโครงข่ายประสาทเทียม
Author(s)
Abstract
Until now, there have been many methods used to diagnose of flatfoot. Each method uses different indicators, e.g. the Staheli arch index, Clark's angle, the Chippaux-Smirak index. However, the results from such indicators vary for each method. Therefore, this paper proposes a classification of flatfoot by combining multiple indicators with the neural network process. It can improve the accuracy of classification more than the use of only one indicator. This study used 132 images of footprints (left and right) consisting of a normal foot or flatfoot. The experimental results using a combination of indicators show that the result is up to 93% more accurate than using a single index, i.e., the Staheli arch index at 43%, Clark's angle at 68%, the Chippaux-Smirak index at 80%. It can more precisely diagnose flatfoot.
ปกติการวินิจฉัยโรคเท้าแบนมีหลายวิธี ซึ่งแต่ละวิธีใช้ตัวชี้วัดของวิธีต่างกัน บางครั้ง ในการวินิจฉัยของหลายวิธีมีคำตอบของการวินิจฉัยต่างกัน ดังนั้นงานวิจัยนี้จึงได้เสนอวิธีการ จำแนกโรคเท้าแบน โดยเป็นการผสมผสานดัชนีชี้วัดหลายตัวร่วมกัน ด้วยกระบวนการโครงข่าย ประสาทเทียม (Neural network) ซึ่งผลการจำแนกนั้นมีความแม่นยำกว่าการใช้ดัชนีชี้วัดเพียงตัว เดียว ในจำนวน 132 ภาพรอยพิมพ์ฝ่าเท้า ประกอบด้วยเท้าซ้ายและเท้าขวาของบุคคลที่มีลักษณะเท้าที่ปกติ และลักษณะเท้าแบน ซึ่งได้ผลการทดลองโดยวิธีการผสมผสานดัชนีชี้วัดมีผลลัพธ์ความ แม่นยำาร้อยละ 93 ซึ่งมากกว่าดัชนีชี้วัดแบบเดี่ยว คือ Staheli arch index ร้อยละ 43, Clark's angle ร้อยละ 68, Chippaux-Smirak index ร้อยละ 80 ทำให้สามารถวินิจฉัยโรคเท้าแบนได้แม่นยำยิ่งขึ้น
ปกติการวินิจฉัยโรคเท้าแบนมีหลายวิธี ซึ่งแต่ละวิธีใช้ตัวชี้วัดของวิธีต่างกัน บางครั้ง ในการวินิจฉัยของหลายวิธีมีคำตอบของการวินิจฉัยต่างกัน ดังนั้นงานวิจัยนี้จึงได้เสนอวิธีการ จำแนกโรคเท้าแบน โดยเป็นการผสมผสานดัชนีชี้วัดหลายตัวร่วมกัน ด้วยกระบวนการโครงข่าย ประสาทเทียม (Neural network) ซึ่งผลการจำแนกนั้นมีความแม่นยำกว่าการใช้ดัชนีชี้วัดเพียงตัว เดียว ในจำนวน 132 ภาพรอยพิมพ์ฝ่าเท้า ประกอบด้วยเท้าซ้ายและเท้าขวาของบุคคลที่มีลักษณะเท้าที่ปกติ และลักษณะเท้าแบน ซึ่งได้ผลการทดลองโดยวิธีการผสมผสานดัชนีชี้วัดมีผลลัพธ์ความ แม่นยำาร้อยละ 93 ซึ่งมากกว่าดัชนีชี้วัดแบบเดี่ยว คือ Staheli arch index ร้อยละ 43, Clark's angle ร้อยละ 68, Chippaux-Smirak index ร้อยละ 80 ทำให้สามารถวินิจฉัยโรคเท้าแบนได้แม่นยำยิ่งขึ้น
Description
Technology of Information System Management (Mahidol University 2014)
Degree Name
Master of Science
Degree Level
Master's degree
Degree Department
Faculty of Engineering
Degree Discipline
Technology of Information System Management
Degree Grantor(s)
Mahidol University