Diagnose flat foot from foot print image using combine indexes based on neural network

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