Bone tissue scaffolds are made from biomaterials that support rapid repair and healing. Scaffold fabricators have produced materials that are able to degrade a biosystem or human body excellently. Thus, this work aims to study the optimization of materials, shape, and the 3D printing process with FDM. Finite element analysis is also used to predict mechanical properties of the scaffold and find the optimal shape and pore size. However, the materials studied include PLA, PCL, and HA.
โครงเลี้ยงเซลล์ (Scaffold) หรือวัสดุที่มีรูพรุนเพื่อการเจริญเติบโตของเซลล์สู่การกลายเป็นเนื้อเยื่อสำหรับการฟื้นฟูส่วนที่เสียหายของร่างกาย ซึ่งในปัจจุบันมีความเสียหายของเนื้อเยื่อที่เกิดขึ้นจากอุบัติเหตุ โรค เป็นต้น โดยการรักษาแบบดั้งเดิมจะใช้การรับเนื้อเยื่อจากผู้บริจาค แต่ก็อาจไม่เข้ากันกับร่างกายของผู้ป่วยทางวิศวกรรมเนื้อเยื่อจึงได้มีการพัฒนาโครงเลี้ยงเซลล์ขึ้นมาซึ่งจำเป็นต้องมีคุณสมบัติที่สำคัญ ได้แก่ การทนต่อการรับแรง การย่อยสลายภายในร่างกาย และความเข้ากันได้ทางระบบชีวภาพ อย่างไรก็ตามมีความท้าทายมากมายในการพัฒนาวัสดุชีวภาพในโครงเลี้ยงเซลล์ เช่น การรองรับความหนาแน่นของเซลล์ที่เพิ่มขึ้นเนื่องจากการเจริญเติบโต ซึ่งจำเป็นต้องออกแบบรูพรุนภายในโครงเลี้ยงเซลล์ การรับแรงการแรงกดโดยมวลกล้มเนื้อของร่างกาย และเลือกวัสดุที่เหมาะสมเพื่อรองรับการเจริญเติบโตของเซลล์ เป็นต้น
คณะเทคโนโลยีการเกษตร
Durian is a crucial economic crop of Thailand and one of the most exported agricultural products in the world. However, producing high-quality durian requires maintaining the health of durian trees, ensuring they remain strong and disease-free to optimize productivity and minimize potential damage to both the tree and its fruit. Among the various diseases affecting durian, foliar diseases are among the most common and rapidly spreading, directly impacting tree growth and fruit quality. Therefore, monitoring and controlling leaf diseases is essential for preserving durian quality. This study aims to apply image analysis technology combined with artificial intelligence (AI) to classify diseases in durian leaves, enabling farmers to diagnose diseases independently without relying on experts. The classification includes three categories: healthy leaves (H), leaves infected with anthracnose (A), and leaves affected by algal spot (S). To develop the classification model, convolutional neural network (CNN) algorithms—ResNet-50, GoogleNet, and AlexNet—were employed. Experimental results indicate that the classification accuracy of ResNet-50, GoogleNet, and AlexNet is 93.57%, 93.95%, and 68.69%, respectively.
คณะวิศวกรรมศาสตร์
The designing of mosquitoes counting system instrument is presented in this work. The mosquitoes that were counted died in order not to measure duplicate counting data. As soon as the input source counting machine can detect the mosquito, the single trigger signal is transmitted to the IOT system to interrupt the server immediately. The number of real mosquito is not transmitting to the IOT but only a signal to interrupt the server. The server records the number of the interrupt signal with real-time clock. Then the interrupt information will be further handled. The front end counting machine consist of the high voltage generate with the suitable voltage value and electrode distance for the required mosquitoes size. The low trigger pulse signals of the mosquitoes killed by high voltage are sending to the controller unit. Immediately, interrupt counting signal of the number of mosquitoes is sent to the big stream data collection on IOT system by the time stamp technique. Form the measurement results, 10 live sample mosquitoes in a limited space box to fly though the counting machine show that the count results are 100% correct count.
วิทยาลัยนวัตกรรมการผลิตขั้นสูง
The offline evaluation system for Thai-language large language models (LLMs) is designed to enable experts to efficiently test and assess various LLMs without relying on external services. This enhances the flexibility in selecting LLMs that best suit organizational needs or expert systems (ES). The system operates on personal computers, ensuring data security by eliminating concerns about external data storage. Additionally, it supports model testing and development using Retrieval-Augmented Generation (RAG), allowing access to domain-specific knowledge for accurate, energy-efficient processing. This ensures that the models can perform optimally and effectively meet the demands of organizations and expert systems.