ระบบคัดกรองผู้ที่เสี่ยงต่อภาวะซึมเศร้าผ่านสมาร์ทโฟนโดยใช้เทคนิคเหมืองข้อมูล(SCREENING SYSTEM FOR DEPRESSION ON SMARTPHONE USING DATA MINING TECHNIQUES)

Authors

  • ณัฐวดี หงษ์บุญมี (Nattavadee Hongboonmee) มหาวิทยาลัยนเรศวร Naresuan University.
  • ธนภัทร ธรรมกรณ์ (Thanaphat Thammakorn) มหาวิทยาลัยนเรศวร Naresuan University.

Abstract

ภาวะซึมเศร้าเป็นโรคทางจิตเวชที่มีผลกระทบต่อการใช้ชีวิตประจำวันและสภาวะสังคมในปัจจุบันพบว่ามีจำนวนผู้ป่วยเพิ่มมากขึ้น งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อสร้างแบบจำลองการคัดกรองผู้ป่วยภาวะซึมเศร้าด้วยเทคนิคเหมืองข้อมูลเพื่อให้ได้แบบจำลองที่มีประสิทธิภาพสูงสุดที่จะนำมาวิเคราะห์หาปัจจัยที่ส่งผลต่อความเสี่ยงภาวะซึมเศร้าและพัฒนาระบบคัดกรองภาวะซึมเศร้าผ่านสมาร์ทโฟนระบบปฏิบัติการแอนดรอยด์ ข้อมูลที่นำมาใช้ในการทดลองเป็นข้อมูลจากการเก็บข้อมูลแบบสุ่มกลุ่มตัวอย่าง จำนวน 505 ชุดข้อมูล เทคนิคเหมืองข้อมูลที่นำมาประยุกต์ใช้ในการสร้างแบบจำลองมี 3 เทคนิค คือ ต้นไม้ตัดสินใจ โครงข่ายประสาทเทียมและนาอีฟเบย์ วัดประสิทธิภาพของแบบจำลองด้วยค่าความถูกต้อง ค่าความแม่นยำ ค่าความระลึก ค่าความถ่วงดุลและค่าความคลาดเคลื่อนเฉลี่ยกำลังสอง (RMSE) ผลการทดลองพบว่า แบบจำลองจากเทคนิคโครงข่ายประสาทเทียมมีค่าประสิทธิภาพดีที่สุดโดยมีค่าความถูกต้อง 97.43% ค่าความแม่นยำ 97.50% ค่าความระลึก 97.40% ค่าความถ่วงดุล 97.40% และค่าความคลาดเคลื่อนเฉลี่ยกำลังสอง 0.1091 ผลการวิเคราะห์ปัจจัยที่มีความสำคัญโดยการลดการนำเข้าทีละปัจจัยพบว่า ปัจจัยด้านการนอนไม่หลับ การเบื่ออาหารและความรู้สึกไม่ดีต่อตนเองเป็นปัจจัยที่ส่งผลต่อความเสี่ยงภาวะซึมเศร้า จากนั้นนำแบบจำลองที่ได้ไปพัฒนาระบบในรูปแบบแอปพลิเคชันบนสมาร์ทโฟน เครื่องมือในการพัฒนาใช้โปรแกรม Android Studio และภาษา Java ผลการประเมินคุณภาพของระบบจากกลุ่มตัวอย่าง 2 กลุ่ม คือ ผู้เชี่ยวชาญ จำนวน 3 คน และผู้ใช้ทั่วไป จำนวน 30 คน พบว่าผู้เชี่ยวชาญมีค่าเฉลี่ยของความพึงพอใจเท่ากับ 4.25 ส่วนเบี่ยงเบนมาตรฐานเท่ากับ 0.44 ผู้ใช้ทั่วไปมีค่าเฉลี่ยของความพึงพอใจเท่ากับ 4.20 ส่วนเบี่ยงเบนมาตรฐานเท่ากับ 0.58 แสดงให้เห็นว่าระบบที่พัฒนาขึ้นนี้มีประสิทธิภาพอยู่ในเกณฑ์ดีสามารถนำไปประยุกต์ใช้งานได้จริงคำสำคัญ: ระบบคัดกรอง  ภาวะซึมเศร้า  สมาร์ทโฟน  เหมืองข้อมูล  โครงข่ายประสาทเทียมDepression is a psychiatric illness that affects daily life. Current social conditions found that the number of patients is increasing. Therefore, this research aims to create a model for screening patients with data mining techniques to obtain the most effective model to analyze the factors that affect the risk of depression and develop screening system for depression on Smartphone. The data used in the experiment were collected from random sampling of 505 data sets. Data mining techniques applied in modeling are 3 techniques, Decision tree, Neural Networks and Naive Bayes. Measure the performance of the model with Accuracy, Precision, Recall, F-measure and Root Mean Square Error (RMSE). The results showed that the model of neural network is the best performance with the Accuracy 97.43%, Precision 97.50%, Recall 97.40%, F-measure 97.40% and RMSE 0.1091. The analysis of the most effect factors by reducing the import of factors. The results showed that the sleepless factor, uneatable and don’t self-esteem are factors that influence depression risk. Then, this model was developed in the form of an application on Smartphone. Development tools use Android Studio and Java languages. The results of the system quality assessment from two groups of sample from 3 experts and 30 general users, it was found that the experts had an average satisfaction of 4.25 and the standard deviation was 0.44. The average user satisfaction was 4.20 and the standard deviation was 0.58. Shows that this system is effective, and it can be applied to real work.Keywords: Screening System, Depression, Smartphone, Data Mining, Neural Networks, iksan komputer

Downloads

Download data is not yet available.

Author Biographies

ณัฐวดี หงษ์บุญมี (Nattavadee Hongboonmee), มหาวิทยาลัยนเรศวร Naresuan University.

ภาควิชาวิทยาการคอมพิวเตอร์และเทคโนโลยีสารสนเทศ คณะวิทยาศาสตร์ มหาวิทยาลัยนเรศวรDepartment of Computer Science and Information Technology, Faculty of Science, Naresuan University.

ธนภัทร ธรรมกรณ์ (Thanaphat Thammakorn), มหาวิทยาลัยนเรศวร Naresuan University.

ภาควิชาวิทยาการคอมพิวเตอร์และเทคโนโลยีสารสนเทศ คณะวิทยาศาสตร์ มหาวิทยาลัยนเรศวรDepartment of Computer Science and Information Technology, Faculty of Science, Naresuan University.

Downloads

Published

2019-06-25