เทคโนโลยีปัญญาประดิษฐ์ หรือ AI ได้เข้ามามีส่วนสำคัญอย่างยิ่งในการพัฒนาคุณภาพชีวิตของมวลมนุษย์ในปัจจุบัน ด้วยความสามารถในการเรียนรู้ที่หลากหลายและครอบคลุมหลายแขนงการศึกษา ทำให้ AI สามารถเรียนรู้ได้รอบด้าน จนสามารถสร้างโมเดลที่ตอบโจทย์กับสิ่งที่เราต้องการได้ ไม่เว้นแม้กระทั่งเรื่องของ “เท้า”
อาจารย์ ดร. วุฒิชาติ แสวงผล ผู้ช่วยคณบดีฝ่ายวิจัย และ ประธานหลักสูตรวิทยาศาสตรมหาบัณฑิต สาขาวิชาเทคโนโลยีเกมและเกมมิฟิเคชัน คณะเทคโนโลยีสารสนเทศและการสื่อสาร มหาวิทยาลัยมหิดล (ICT Mahidol) และทีมวิจัย มีความสนใจในการศึกษาเกี่ยวกับการจำแนกเท้าของคนด้วยการใช้เทคโนโลยี AI เช่นเดียวกัน
“จุดเริ่มแรกมาจากการที่ผมได้ศึกษาเรื่องนี้มาก่อนตอนแรก และผมก็มีเพื่อนอยู่ที่ ศูนย์เทคโนโลยีโลหะและวัสดุแห่งชาติ (MTEC), สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.) ซึ่งเขาได้ทำการศึกษาเรื่องแผ่นรองในรองเท้า (Insole) อยู่แล้ว ปรากฎว่าเขาอยากใช้กระบวนการและเทคนิคทางสารสนเทศเข้าไปช่วย เราเลยเริ่มเข้าไปดูปัญหากัน ซึ่งเราพบว่ากระบวนการที่เขาใช้ในการทำแผ่นรองในรองเท้ามีหลายกระบวนการ ตั้งแต่การสแกนเท้า ต้องสแกนหลายแบบ และการที่เขาจะบอกได้ว่าเท้าเราเป็นประเภทไหนก็ต้องใช้คนมาดูว่าพอสแกนเท้าออกมาแล้วมันเป็นยังไง ผมเลยเอาข้อมูลจากเขามา และลองไปพัฒนาโมเดลทางคณิตศาสตร์ดู หรือว่าใช้ AI เข้าไปช่วยดูให้ว่าสามารถจำแนก (Classify) เท้าได้ขนาดไหน”
งานวิจัยชิ้นนี้ เป็นเพียงส่วนหนึ่งของการพัฒนาผลงานนวัตกรรมที่เข้ามาช่วยเหลือด้านการสแกนเท้าในอนาคต โดย ดร. วุฒิชาติ แสวงผล ได้พยายามทำสิ่งที่สามารถทดแทนการสแกนเท้าด้วยเครื่องสแกน 3D ในปัจจุบัน เนื่องจากเป็นเครื่องที่มีราคาสูง โดยงานวิจัยชิ้นนี้ เป็นงานที่เริ่มต้นด้วยแนวคิดที่ว่า เราจะทำอย่างไร ที่จะทำให้รู้ว่า ประเภทของเท้าเราเป็นเท้าประเภทไหน ซึ่งโดยปกติแล้วเท้ามี 3 ประเภท ได้แก่ เท้าแบน เท้าปกติ และเท้าโก่ง ดังนั้น งานวิจัย “Foot Arch Classification via ML-based Image Classification” จึงเป็นงานวิจัยที่ทำการศึกษาลักษณะเท้าของคน โดยผ่านการศึกษาใน Machine Learning ด้วยอัลกอริทึมต่าง ๆ
“คือเรามีภาพวัดแรงกดของเท้า ซึ่งเป็นภาพที่ใช้ในการวัดแรงกดของเท้าเวลาเราขึ้นไปยืนบนเครื่อง พอขึ้นไปยืนเครื่องจะแสดงแรงกดที่เท้าเรากดลง ซึ่งตรงนี้จะมี error ของคนด้วยที่อาจจะวัดไม่ตรงกัน จริง ๆ มันมีสูตรการวัด ซึ่งสูตรการวัดก็ขึ้นอยู่กับคนคำนวณอีก ทีนี้เมื่อได้ภาพมาแล้ว ผมก็เอาไปตัดให้เหลือแค่เท้า จากนั้นก็เริ่มตัดนิ้วเท้าต่อ สุดท้าย ภาพของเท้าก็จะเหลือเป็นแค่รูปทรงกลม ๆ มีความโค้งของเท้า (curve) สิ่งที่ทำต่อมาคือ หาคุณลักษณะ (feature) ของภาพนั้น ซึ่งเวลาจะดูว่าเท้าเป็นแบบไหนจะมี index อยู่หลายแบบเลยที่เอาไว้ใช้อ้างอิง แต่ตัวที่เราใช้หลักๆ เลย คือ Arch Index ซึ่งจะคิดจากการแบ่งพื้นที่ของเท้าเป็น 3 ส่วน คือ หน้าเท้า กลางเท้า ส้นเท้า หลังจากได้คุณลักษณะที่จะใช้แล้ว เราก็เอาคุณลักษณะเหล่านั้นมาเข้า Machine Learning ซึ่งที่ใช้ก็มีหลายอัลกอริทึมในการเรียนรู้ อาทิ Random Forest, Decision Tree, XG Boost เมื่อเราก็ได้โมเดลที่ดีที่สุดออกมา ซึ่งมีความแม่นยำอยู่ที่ 95-97 เปอร์เซ็นต์ จากนั้นเราก็สร้างแอปพลิเคชันขึ้นมาครอบโมเดลตัวนี้โดยเฉพาะ ซึ่งแอปพลิเคชันตัวนี้จะสามารถช่วยจำแนกประเภทเท้าออกมาได้ เพียงแค่อัปโหลดภาพเท้าเข้าไป”
ทั้งนี้ ดร. วุฒิชาติ แสวงผล ยังได้ให้ข้อมูลเพิ่มเติมเกี่ยวกับงานชิ้นนี้ ในแง่ปัญหาที่พบในระหว่างการดำเนินงาน
“ปัญหาที่พบหลัก ๆ คือตอนหาคุณลักษณะของรูปภาพ แล้วสิ่งที่เหมือนจะ
ไม่ยากแต่ยากคือการตัดนิ้วเท้าให้มันหายไปโดยที่เนื้อเท้ายังมีอยู่ครบ ถ้าเราตัดไม่ดี มันจะตัดบางส่วนของเท้าไปด้วย ความสูงจะหายไป และอีกเรื่องคือตัวข้อมูล พอเราได้ข้อมูลของรูปภาพมาแล้ว ตอนที่เราตัดนิ้วเท้า เราต้องพยายามหาเกณฑ์ (threshold) ที่ใกล้เคียงที่สุดในการแบ่งเท้า สมมุติเท้ามี 30 หรือ 34 pixel เราจะแบ่งยังไง”
สุดท้ายนี้ ดร. วุฒิชาติ แสวงผล ยังได้ให้ข้อเสนอแนะเพิ่มเติมเกี่ยวกับงานชิ้นนี้ในอนาคตว่าเป็นผลงานที่ไม่ได้มุ่งเน้นไปทางการแพทย์อย่างเต็มตัว แต่มุ่งเน้นไปที่การช่วยเหลือผู้สูงวัยมากกว่า เนื่องจากผู้สูงอายุเป็นผู้ที่มีโอกาสเกิดเท้าแบนสูง ซึ่งเกิดจากเอ็นเท้าหย่อน ทำให้แรงเมื่อกดเท้าลงเวลาเดินจะกระทบขึ้นหัวเข่าทันที และข้อเข่าจะเสื่อมในอนาคต นอกจากนี้ ยังต้องศึกษาดูเรื่องของวัสดุในการทำแผ่นรองเท้าด้วย เพราะหากแข็งเกินไปก็อาจจะทำให้ผู้สูงอายุเจ็บเท้ามากกว่าช่วยซัปพอร์ต
ดาวน์โหลดผลงานตีพิมพ์เรื่อง Foot Arch Classification via ML-based Image Classification ได้ที่: https://www.cad-journal.net/files/vol_20/CAD_20%284%29_2023_600-613.pdf
ติดตามผลงานของ ดร. วุฒิชาติ แสวงผล ได้ที่: https://wudhichart.github.io/my-profile/