อัลกอริทึมคัดกรองเสียงผู้ป่วยโรคซึมเศร้าโดยใช้ดีพเลิร์นนิ่ง

งานวิจัยนี้ใช้เทคนิคการเรียนรู้เชิงลึก (Deep Learning) เพื่อพัฒนาอัลกอริทึมคัดกรองโรคซึมเศร้าจากข้อมูลเสียงพูดของ ผู้หญิง โดยแบ่งกลุ่มตัวอย่างเป็น 3 กลุ่ม ได้แก่ 1. หญิงที่หายจากโรคซึมเศร้า 2. หญิงที่ป่วยเป็นโรคซึมเศร้า และ 3. หญิงที่มีความเสี่ยงสูงต่อการฆ่าตัวตาย วัตถุประสงค์ของการวิจัยนี้คือ 1. ออกแบบและพัฒนาอัลกอริทึมเพื่อคัดกรอง ผู้ป่วยโรคซึมเศร้าจากคนปกติโดยใช้การประมวลผลสัญญาณเสียงและการเรียนรู้เชิงลึก 2. ประเมินประสิทธิภาพของ อัลกอริทึมในการคัดกรองผู้ป่วยโรคซึมเศร้า และ 3. พัฒนาอัลกอริทึมที่สามารถใช้เป็นเครื่องมือช่วยทางการแพทย์ในอนาคต การวิจัยนี้เปรียบเทียบประสิทธิภาพของแบบจ าลองการเรียนรู้เชิงลึก 3 แบบ ได้แก่ 1. เครือข่ายประสาทเทียมแบบ Convolutional Neural Networks (CNNs) 2. เครื่องสนับสนุนเวกเตอร์ ( Support Vector Machines - SVMs) และ 3. เครือข่ายประสาทเทียมแบบวนซ้ าที่มี Long-Short Term Memory (RNN-LSTM) ผลการวิจัยแสดงให้เห็นว่า แบบจ าลอง CNN ให้ผลการจ าแนกประเภทที่ดีที่สุด โดยมีความแม่นย าสูง 97% ความสามารถในการเรียกคืน 92% ค่า F1-score 95% และความถูกต้อง 95% โครงการวิจัยนี้แสดงให้เห็นว่า อัลกอริทึมการจ าแนกประเภทโรคซึมเศร้า โดยใช้เทคนิคการเรียนรู้เชิงลึกมีประสิทธิภาพสูงและสามารถน าไปประยุกต์ใช้ในงานวิจัยทางการแพทย์ที่เกี่ยวข้อง รวมถึงเป็นประโยชน์ต่อการพัฒนาทางการแพทย์ในอนาคต