EDGE AI · TINYML · DSP
AI Lung Sound Classifier
เครื่องฟังเสียงปอดทำนายโรคด้วย AI
อุปกรณ์ฟังเสียงปอด (electronic stethoscope) ที่ออกแบบเอง ใช้เซ็นเซอร์ PVDF รับเสียงปอดผ่านวงจรขยาย/กรองสัญญาณ แล้วให้โมเดล AI วิเคราะห์แยกโรคทางเดินหายใจ 4 กลุ่ม (Normal / Crackle / Wheeze / Both) โดยบีบอัดโมเดลให้รันบนชิป ESP32-S3 ได้โดยตรง เพื่อเป็นอุปกรณ์ราคาประหยัดที่ใช้ได้จริงที่บ้าน — งบฮาร์ดแวร์รวม ≈ 1,480–2,380 บาท
หลักการทำงาน
Dataset — เสียงปอด 920 ไฟล์ จาก Respiratory Sound Database (Kaggle) และ HF_Lung_V1 แบ่งเป็น 4 label: Normal, Crackle, Wheeze, Both
Preprocessing — ปรับ Sampling Rate ให้เท่ากัน → ลด Noise (Band-pass filter / spectral gating) → Trim Silence → Normalization
Feature Extraction — แปลงเสียงดิบเป็น Mel-Spectrogram ที่เลียนแบบการได้ยินของหู เก็บรายละเอียดความถี่ต่ำได้ดี ช่วยให้ AI แยกโรคได้แม่นกว่าเสียงดิบ
Model — ใช้ CNN จับ Pattern ในภาพ Mel-Spectrogram (เช่นเสียงหวีดเป็นเส้นแนวนอน) ด้วยสถาปัตยกรรม MobileNet / EfficientNet ที่เล็กพอสำหรับ TinyML
Quantize & Deploy — บีบอัดโมเดลเป็น .tflite (8-bit) ด้วย TensorFlow Lite แล้วรันบน ESP32-S3 (วัด Quantization Loss เช่น 92% → 88%)
Evaluate — confusion_matrix, Learning Curve (Loss/Accuracy) และ Grad-CAM (Explainable AI) เพื่อตรวจว่า AI โฟกัสถูกจุด ไม่ใช่ Noise
อุปกรณ์ที่ใช้
PVDF Sensor450–650฿
TE Connectivity 3-1004346-0 (Silver-ink) — รับแรงสั่นเสียงปอด
Op-Amp (Low Noise)120–250฿
OPA1642 / OPA2134 (High Impedance) — ขยายสัญญาณเสียงให้สะอาด
ADC Module180–250฿
PCM1808 · 24-bit, 99dB SNR — แปลงเสียงเป็นดิจิทัล
Microcontroller280–380฿
ESP32-S3 DevKit (Native USB) — รันโมเดล AI บนบอร์ด
Conductive Foam50–100฿
โฟมนำไฟฟ้า ต่อขาเซนเซอร์โดยไม่ต้องบัดกรี
Passive Components100–150฿
ตัวต้านทาน/ตัวเก็บประจุ สำหรับวงจร Filter 20Hz–2kHz
Housing & Diaphragm200–400฿
เคส 3D Print + แผ่นซิลิโคน/PET บาง
USB-C Cable100–200฿
USB-C to USB-C (Data Transfer)