Albumin Smart Test is an innovative device for screening of kidney disease by mobile phone. The device composes of (1) container and testing device with specific reagents for the albumin detection. (2) The mobile phone, installed with "Albumin smart test" application. The test is started by dropping patient urine and the reagent. Color of the product is occurred and is captured by the application with subsequent evaluation of the albumin amount. The results is displayed on screen within 3 mins. This innovative device is simple, rapid and user-friendly.
อัลบูมิน (Albumin) คือโปรตีนชนิดหนึ่ง โดยทั่วไป จะไม่พบอัลบูมินในปัสสาวะ ยกเว้นในกรณีที่ไตทำงานผิดปกติ ซึ่งมักพบในผู้ป่วยที่ป่วยเป็นโรคเบาหวานเป็นระยะเวลานาน หรือที่เรียกว่า "โรคไตจากเบาหวาน" (Diabetic nephropathy) จะพบ อัลบูมินปนในปัสสาวะ ดังนั้น ปริมาณอัลบูมินในปัสสาวะ (Urinary albumin) จึงสามารถใช้เป็นดัชนีบ่งชี้การทำงานของไตในผู้ป่วยเบาหวานได้ โดยถ้าพบปริมาณอัลบูมินในปัสสาวะที่เก็บภายใน 24 ชั่วโมง น้อยกว่า 30 มิลลิกรัม จะถือว่าไตทำงานเป็นปกติ แต่ถ้าพบปริมาณอัลบูมินอยู่ในช่วงตั้งแต่ 30 ถึง 300 มิลลิกรัม จะจัดว่าไตทำงานผิดปกติในระยะแรก เรียกว่า "ภาวะไมโครอัลบูมินูเรีย" (Microalbuminuria) ซึ่งหากผู้ป่วยเข้ารับการรักษาตั้งแต่ระยะนี้ จะลดโอกาสเสี่ยงต่อภาวะไตวายเรื้อรังได้อย่างมาก วิธีการตรวจวัดระดับอัลบูมินในปัสสาวะในปัจจุบัน ทำโดยเก็บตัวอย่างปัสสาวะของผู้ป่วย ส่งไปที่ห้องปฏิบัติการของโรงพยาบาล ถึงแม้จะให้ผลถูกต้องแม่นยำ หากแต่มีขั้นตอนในการวิเคราะห์หลายขั้นตอน ใช้เวลานานกว่าจะรู้ผล อีกทั้งเครื่องมือมีขนาดใหญ่และมีความซับซ้อน ต้องใช้ผู้เชี่ยวชาญทำการทดสอบ ผู้ป่วยไม่สามารถวัดระดับอัลบูมินได้เอง ดังนั้นจึงจำเป็นต้องมีอุปกรณ์ตรวจคัดกรองปริมาณอัลบูมินที่ใช้ทดสอบนอกห้องปฏิบัติการได้ โดยควรเป็นอุปกรณ์ขนาดเล็ก พกพาสะดวก ใช้งานง่าย เหมาะสำหรับการวินิจฉัยนอกห้องปฏิบัติการ หรือ ‘Point-of-care testing’ ในปัจจุบัน ชุดตรวจวัดอัลบูมินในปัสสาวะแบบภาคสนามที่มีจำหน่าย จะทำการทดสอบโดยจุ่มแถบตรวจวัดที่เคลือบด้วยน้ำยาซึ่งจะทำปฏิกิริยากับอัลบูมินในปัสสาวะ แล้วเกิดการเปลี่ยนแปลงที่แถบสี โดยระดับความเข้มสีจะแปรผันกับปริมาณของอัลบูมินที่ต้องการตรวจวัด ถึงแม้จะใช้งานง่าย แต่มีข้อจำจัดคืออาจมีความคลาดเคลื่อน เนื่องจากเป็นการตรวจวัดด้วยสายตา การแปลผลอาจจะไม่ละเอียดพอ ไม่ใกล้เคียงกับความเป็นจริง อีกทั้งสีของปัสสาวะอาจรบกวนการทดสอบได้ เพื่อเป็นการพัฒนาวิธีทดสอบให้มีประสิทธิภาพ มีความถูกต้องแม่นยำมากขึ้น จึงได้ประดิษฐ์ Albumin Smart Test สำหรับตรวจคัดกรองอัลบูมินในปัสสาวะโดยใช้โทรศัพท์มือถือขึ้น โดยออกแบบให้ใช้งานง่าย รู้ผลเร็ว พกพาไปใช้ ณ ที่ใดก็ได้ และสามารถหักล้างการรบกวนจากสีของตัวอย่างปัสสาวะได้
คณะศิลปศาสตร์
**Innovative Walking Stick "Buddy Take Care"** The "Buddy Take Care" walking stick is designed to physically support the elderly or individuals recovering from injuries, enabling convenient mobility, reducing the risk of falls, and enhancing walking safety. It is crafted as a keychain-style walking stick with a one-touch open-close mechanism. Building upon existing market products, the Buddy walking stick incorporates additional functionalities such as a portable flashlight, a medicine compartment, and an AirTag slot to maximize utility. Its design prioritizes ease of use, convenience, and safety, specifically tailored for elderly users
คณะวิศวกรรมศาสตร์
Currently, lithium batteries are widely used in electronic devices and electric vehicles, making the estimation of their State of Health (SOH) crucial. Accurate SOH estimation helps extend battery lifespan, reduce maintenance costs, and prevent safety issues such as overheating or explosions. This project aims to study and analyze mathematical models of batteries and develop SOH estimation techniques using Neural Networks to enhance accuracy and evaluation speed. The experiment involved collecting charge and discharge data from three lithium battery cells under controlled temperature conditions while maintaining a constant current. The current, voltage, and time data were recorded and analyzed to determine the battery capacity for each cycle. These data were then used to train a Neural Network model. The results demonstrated an effective method for predicting battery health status. The outcomes of this project can contribute to the development of a Battery Management System (BMS) that improves battery efficiency and longevity. Additionally, it provides a foundation for applying artificial intelligence techniques in the energy sector effectively.
คณะวิทยาศาสตร์
Currently, climate change and human activities are causing rapid deterioration of coral reefs worldwide. Monitoring coral health is essential for marine ecosystem conservation. This project focuses on developing an Artificial Intelligence (AI) model to classify coral health into four categories: Healthy, Bleached, Pale, and Dead using Deep Learning techniques. With pre-trained convolutional neural network (CNN) for image classification. To improve accuracy and mitigate overfitting, 5-fold Cross-Validation is employed during training, and the best-performing model is saved. The results of this project can be applied to monitor coral reef conditions and assist marine scientists in analyzing coral health more efficiently and accurately. This contributes to better conservation planning for marine ecosystems in the future.