dc.contributor.author | ทยา กิติยากร, หม่อมหลวง | th_TH |
dc.contributor.author | Taya Kitiyakara | th_TH |
dc.contributor.author | สุภารี บุญมานันท์ | th_TH |
dc.contributor.author | Suparee Boonmanunt | th_TH |
dc.contributor.author | รัตน์ชัยนันท์ ธรรมสุจริต | th_TH |
dc.contributor.author | Ratchainant Thammasudjarit | th_TH |
dc.date.accessioned | 2022-03-17T07:39:54Z | |
dc.date.available | 2022-03-17T07:39:54Z | |
dc.date.issued | 2565 | |
dc.identifier.other | hs2774 | |
dc.identifier.uri | http://hdl.handle.net/11228/5529 | |
dc.description.abstract | โรคโควิด-19 มีผลทำให้คนเสียชีวิตจำนวนมากทั่วโลก และหลายประเทศได้รับความเสียหายด้านเศรษฐกิจ การใส่หน้ากากเป็นวิธีป้องกันการแพร่ระบาดวิธีหนึ่ง ซึ่งได้รับการยอมรับทางการแพทย์ไม่เหมือนกันในแต่ละประเทศ โดยวัฒนธรรม ความตื่นตัวและนโยบายรัฐของแต่ละประเทศมีผลต่ออัตราการใส่หน้ากาก งานวิจัยที่ผ่านมาตั้งข้อสังเกตว่า พื้นที่ที่ใส่หน้ากาก หรือมีการบังคับใส่หน้ากากอนามัย/หน้ากากผ้ามีการแพร่ระบาดของโรคโควิด-19 น้อยกว่าพื้นที่ที่ไม่ใส่หน้ากากอนามัย อย่างไรก็ตามมีงานศึกษาน้อยมากที่มีการประเมินอัตราการใส่หน้ากากโดยใช้ข้อมูลเชิงประจักษ์ ส่วนใหญ่ใช้การรายงานว่ามีกฎหมายบังคับใส่หน้ากาก หรือผลจากการตอบแบบสอบถาม online ดังนั้นหากมีวิธีประเมินอัตราการใส่หน้ากากที่เป็นข้อมูลเชิงประจักษ์จะเป็นประโยชน์ในการรณรงค์การใส่หน้ากาก และศึกษาผลของนโยบาย หรือพฤติกรรมการใส่หน้ากากของประชาชน งานวิจัยนี้จึงมีเป้าหมายที่จะพัฒนาระบบปัญญาประดิษฐ์ที่จะวิเคราะห์ภาพจากกล้องวงจรปิดที่ใช้จริงในพื้นที่สาธารณะ เพื่อคำนวณอัตราการใส่หน้ากากอนามัย/หน้ากากผ้า และศึกษาดูความสัมพันธ์กับนโยบายหรือปัจจัยที่เกี่ยวข้อง โครงการได้คัดเลือกกล้องวงจรปิดที่ติดตั้งในพื้นที่สาธารณะในกรุงเทพมหานคร ตามความเหมาะสมของตำแหน่งและมุมกล้อง โดยทุกสัปดาห์จะรับวิดีโอภาพ 9 ชั่วโมงจากแต่ละกล้องเพื่อมาวิเคราะห์ด้วยปัญญาประดิษฐ์ ซึ่งได้ฝึกการแยกแยะใบหน้าที่ใส่และไม่ใส่หน้ากากมาจากภาพในคลังภาพสาธารณะในอินเทอร์เน็ต การวิเคราะห์แบ่งเป็นส่วนภาพที่มีคนสัญจรหรือเคลื่อนไหวกับอีกส่วนที่คนไม่เคลื่อนไหวมากนัก เช่น ข้างทางเดิน ภาพที่ผ่านการวิเคราะห์บางส่วนจะได้รับการทบทวนความแม่นยำโดยให้คนตรวจอีกครั้ง ซึ่งภาพส่วนนี้จะแม่นยำมากและใช้ในการวิเคราะห์เชิงลึกต่อเพื่อดูความสัมพันธ์กับปัจจัยต่างๆ ทางโครงการได้จัดทำแบบสัมภาษณ์สำหรับประชาชนเพื่อศึกษาทัศนคติ ความรู้และพฤติกรรมของประชาชน เพื่อวิเคราะห์และอธิบายผลจากระบบปัญญาประดิษฐ์และหาพฤติกรรมเสี่ยงที่จะรณรงค์ลดความเสี่ยงของการแพร่ระบาดได้ ผู้วิจัยได้เปรียบเทียบอัตราการใส่หน้ากากอนามัย/หน้ากากผ้า กับคำตอบแบบสอบถามผ่าน online เพื่อดูความแตกต่างของอัตราการใส่หน้ากากอนามัย ผลการศึกษพบว่า ทางโครงการได้รับภาพจาก 39 กล้องทุกสัปดาห์ ซึ่งภาพจาก 15 กล้องจะได้รับการทบทวนตรวจสอบด้วยมนุษย์หลังจากที่ได้รับกลับจากปัญญาประดิษฐ์ เหตุการณ์สำคัญช่วงการศึกษามีการประกาศบังคับใส่หน้ากากอนามัย/หน้ากากผ้า เมื่ออยู่นอกเคหะสถานและการติดเชื้ออย่างรุนแรงระลอกที่ 4 ในประเทศไทย อัตราการใส่หน้ากากอนามัยโดยรวม ในส่วนของคนสัญจร ก่อนการประกาศบังคับใส่หน้ากากอนามัยฯ มีร้อยละ 89 (SD 10%) และเพิ่มขึ้นเป็นร้อยละ 92 (SD 9%) หลังออกประกาศฯ แต่การเปลี่ยนแปลงเพิ่มขึ้นนี้ไม่มีนัยสำคัญ (p=0.3) เมื่อเปรียบเทียบอัตราการใส่หน้ากากก่อนระลอกที่ 4 กับช่วงครึ่งแรกของการแพร่ระบาดระลอกที่ 4 พบว่า การใส่หน้ากากอนามัยเพิ่มขึ้นอย่างมีนัยสำคัญ โดยอัตราการใส่หน้ากากอนามัย จากร้อยละ 92 ขึ้นเป็นร้อยละ 96 (SD 6%) ตามลำดับ P=0.0039 หลังจากจุดสูงสุดของการระบาดระลอกที่ 4 อัตราการใส่หน้ากากอนามัยลดลง เป็นร้อยละ 94 แต่ความลดลงนี้ไม่มีนัยสำคัญ การวิเคราะห์ทางสถิติยังพบว่า จำนวนคนติดเชื้อในสัปดาห์ก่อน วันและเวลา และชนิดพื้นที่ มีผลต่ออัตราการใส่หน้ากากอย่างมีนัยสำคัญ การตรวจภาพใบหน้าที่ไม่ใส่หน้ากากยังพบว่ามีภาพผู้ชาย ที่ไม่ใส่หน้ากากอนามัยหรือหน้ากากผ้า มากกว่าผู้หญิงประมาณ 3 เท่า นอกจากนั้นยังสังเกตเห็นคนที่สูบบุหรี่ คนพูดคุยผ่านโทรศัพท์มือถือ ขอทานและคนในชุมชน ไม่ใส่หน้ากากอนามัย/หน้ากากผ้า อัตราการใส่หน้ากากก่อนประกาศบังคับใส่หน้ากากอนามัยฯ ที่ได้จากตอบแบบสอบถาม online สูงกว่าที่ได้จากภาพกล้องวงจรปิดเกือบจุดร้อยละ 10 (ร้อยละ 99.2 กับร้อยละ 90.5 ตามลำดับ) แต่ความแตกต่างของอัตราการใส่หน้ากากอนามัยที่ได้จากทั้งสองแหล่งข้อมูลใกล้เคียงกันในช่วงการระบาดระลอกที่ 4 (ร้อยละ 98.7 และร้อยละ 97.6 ตามลำดับ) กลุ่มตัวอย่างที่ตอบแบบสัมภาษณ์ของโครงการจำนวนมาก ให้ข้อมูลด้านพฤติกรรมเกี่ยวกับการใส่หน้ากากที่แสดงถึงความเสี่ยงในการใส่หน้ากากและการระวังตัว ส่วนใหญ่กลุ่มตัวอย่างที่ตอบแบบสัมภาษณ์บอกว่าจะใส่หน้ากากเคร่งครัดเพิ่มขึ้นหากทราบว่ามีญาติ/เพื่อน/คนในชุมชน หรือผู้มีชื่อเสียงในสังคมติดเชื้อหรือเสียชีวิตจากโรคโควิด-19 สรุปผลการศึกษานี้ได้ใช้ระบบปัญญาประดิษฐ์วิเคราะห์ภาพจากกล้องวงจรปิดในพื้นที่สาธารณะในชีวิตจริง เพื่อวิเคราะห์อัตราการใส่หน้ากากอนามัยและหน้ากากผ้า คนไทยมีวัฒนธรรมที่ยอมรับการใส่หน้ากาก โดยมีอัตราการใส่หน้ากากอนามัย/หน้ากากผ้า ร้อยละ 89 ก่อนมีประกาศบังคับใส่หน้ากากอนามัยฯ และเพิ่มขึ้นระดับหนึ่งหลังจากมีประกาศฯ อย่างไรก็ตามอัตราการใส่หน้ากากที่สูงที่สุด (ร้อยละ 96) และเพิ่มขึ้นอย่างมีนัยสำคัญ คือช่วงการระบาดระลอกที่ 4 ปัจจัยที่สัมพันธ์กับการใส่หน้ากากคือ จำนวนผู้ป่วยที่รายงานในสัปดาห์ก่อน วันและเวลา และชนิดพื้นที่ ปัจจัยเหล่านี้ รวมทั้งปัจจัยที่ได้จากการตรวจดูภาพของคนที่ไม่ใส่หน้ากากอนามมัยและพฤติกรรมเสี่ยงที่ได้จากการตอบแบบสัมภาษณ์ อาจจะเป็นประเด็นที่จะนำมาใช้รณรงค์ให้ประชาชนใส่หน้ากากอนามัยเพิ่มขึ้นได้ในอนาคต | th_TH |
dc.description.sponsorship | สถาบันวิจัยระบบสาธารณสุข | th_TH |
dc.language.iso | th | th_TH |
dc.publisher | สถาบันวิจัยระบบสาธารณสุข | th_TH |
dc.rights | สถาบันวิจัยระบบสาธารณสุข | th_TH |
dc.subject | Artificial Intelligence | th_TH |
dc.subject | ปัญญาประดิษฐ์ | th_TH |
dc.subject | Machine Learning | th_TH |
dc.subject | Image Analysis | th_TH |
dc.subject | Application Software | th_TH |
dc.subject | โปรแกรมประยุกต์ | th_TH |
dc.subject | COVID-19 (Disease) | th_TH |
dc.subject | โควิด-19 (โรค) | th_TH |
dc.subject | Coronaviruses | th_TH |
dc.subject | ไวรัสโคโรนา | th_TH |
dc.subject | Coronavirus Infections | th_TH |
dc.subject | การติดเชื้อไวรัสโคโรนา | th_TH |
dc.subject | ภาวะผู้นำและการอภิบาล (Leadership and Governance) | th_TH |
dc.subject | การควบคุมโรค | th_TH |
dc.subject | Disease Management | th_TH |
dc.title | การสังเคราะห์ข้อเสนอเชิงนโยบายโดยใช้ข้อมูลจากระบบปัญญาประดิษฐ์สำหรับการดูอัตราการใส่หน้ากากอนามัยเมื่ออยู่นอกบ้านจากภาพกล้องวงจรปิด เพื่อควบคุมการแพร่ระบาดของโรคโควิด-19 | th_TH |
dc.title.alternative | Analysis of the effect of COVID-related policies and other information on public behavior for healthcare prevention using mask-wearing data obtained from CCTV and artificial intelligence image analysis | th_TH |
dc.type | Technical Report | th_TH |
dc.description.abstractalternative | Background: The COVID-19 pandemic has caused immense health and financial loss globally. Prior to mass vaccination, the only way to limit its spread was with standard health precautions, including mask-wearing, hand washing and social distancing. Compliance with these measures vary between countries, depending on the culture, the public awareness and the policies enacted by the government. A higher rate of mask-wearing is thought to be more effective in limiting the spread of the disease and methods of monitoring mask-wearing would be useful for campaigns to increase mask-wearing. Although the mask-wearing rate has been estimated with questionnaires and episodic counting studies, there are very few reports visually documenting the rate of mask wearing sequentially over time. In this study we developed an artificial intelligence (AI) system to analyze images from public CCTV’s to document the rate of mask wearing in Bangkok, Thailand, and correlate the rate with public health policies and COVID-19 events. Methodology: Public CCTV cameras in the Bangkok Metropolitan Area (BMA) were selected in view of their location and camera viewpoints. Every week, 9 hours of video clips from each of these cameras were downloaded and sent for analysis by an AI that had been trained to detect mask-wearing using pictures with and without masks from public databases. Images were divided for analysis into 2 parts, one part containing the mobile population and the other the non-mobile/vendor population. A number of the images was also visually checked for accuracy. The rate of mask-wearing was analyzed and correlated to public health measures and COVID-19 infections. The images of faces without masks were reviewed to understand factors related to not wearing masks. An in-person questionnaire was also performed on pedestrians in Bangkok to ascertain the factors for mask-wearing, or not, and to try to ascertain the attitudes, understanding and behavior of the general population in Bangkok. The mask-wearing rate seen on CCTV was compared with the mask-wearing rate obtained by a governmental online questionnaire. | th_TH |
dc.identifier.callno | WC503 ท122ก 2565 | |
dc.identifier.contactno | 64-056 | |
dc.subject.keyword | Close Circuit Television | th_TH |
dc.subject.keyword | CCTV | th_TH |
dc.subject.keyword | กล้องวงจรปิด | th_TH |
dc.subject.keyword | การวิเคราะห์ภาพ | th_TH |
dc.subject.keyword | การใส่หน้ากากอนามัย | th_TH |
dc.subject.keyword | Mask Wearing | en_EN |
.custom.citation | ทยา กิติยากร, หม่อมหลวง, Taya Kitiyakara, สุภารี บุญมานันท์, Suparee Boonmanunt, รัตน์ชัยนันท์ ธรรมสุจริต and Ratchainant Thammasudjarit. "การสังเคราะห์ข้อเสนอเชิงนโยบายโดยใช้ข้อมูลจากระบบปัญญาประดิษฐ์สำหรับการดูอัตราการใส่หน้ากากอนามัยเมื่ออยู่นอกบ้านจากภาพกล้องวงจรปิด เพื่อควบคุมการแพร่ระบาดของโรคโควิด-19." 2565. <a href="http://hdl.handle.net/11228/5529">http://hdl.handle.net/11228/5529</a>. | |
.custom.total_download | 24 | |
.custom.downloaded_today | 0 | |
.custom.downloaded_this_month | 0 | |
.custom.downloaded_this_year | 3 | |
.custom.downloaded_fiscal_year | 0 | |