One of the most important aspects of responding to a medical case is the response time. In general, most fatalities are due to the patient not being able to reach the hands of the doctor in time. This also includes the arrival of medical equipment to the scene. The human brain will start to degrade in function after 3 minutes of oxygen starvation which conventional road transportation method first responders presently use is usually unable to reach the site in this golden 3 minutes, resulting in fatalities during transport or before the arrival of first responders at the scene. Therefore, medical equipment transport by fully autonomous aircraft is explored. This is done through drone deliveries which is much quicker than road methods as the equipment could be flown straight to the site as it is not affected by traffic, road conditions, and navigation. In this project, we will explore an aerial delivery system for medical equipment such as Automatic External Defibrillators (AEDs), First aid equipment, and other small requested medical devices. This will be done through a DJI drone platform and their SDK application. The main goal for this project is to decrease the response time by using an autonomous aerial drone to deliver medical equipment.
หนึ่งในสาเหตุที่ทำให้ผู้ป่วยทั่วโลกเสียชีวิตมากที่สุดเกิดจากสภาวะหรือโรคที่มีอาการที่ไม่สามารถคาดการณ์ได้และเกิดขึ้นอย่างกะทันหัน เช่น โรคหัวใจขาดเลือด โรคหลอดเลือดสมอง และโรคปอดอุดกั้นเรื้อรัง ผู้ป่วยอาจไม่มีสัญญาณว่าต้องการความช่วยเหลือทางการแพทย์ก่อนที่จะเกิดอาการ ซึ่งทำให้ยากในการตัดสินใจว่าต้องการความช่วยเหลือทางการแพทย์หรือไม่ ตัวอย่างหนึ่งของสถานการณ์นี้คือการหยุดหายใจนอกโรงพยาบาล (OHCA) ซึ่งมีเพียง 8.8% ของผู้ป่วยเท่านั้นที่สามารถกลับบ้านได้ หากไม่มีการตรวจติดตามผู้ป่วยหรือการตรวจติดตามคลื่นไฟฟ้าหัวใจอย่างต่อเนื่อง แทบไม่มีวิธีใดที่สามารถทำนายได้ว่าเมื่อใดที่ผู้ป่วยจะเกิดอาการหยุดหายใจ เนื่องจากอาการที่เกิดขึ้นอย่างกะทันหันเหล่านี้ การตอบสนองเพื่อลงมือให้ความช่วยเหลือทางการแพทย์กับผู้ป่วยในที่เกิดเหตุจะต้องทำอย่างรวดเร็วที่สุด เนื่องจากโอกาสในการฟื้นตัวสมบูรณ์จะลดลงอย่างมากเมื่อเวลาการตอบสนองเพิ่มขึ้น โดยปกติแล้ว โอกาสในการรอดชีวิตในกรณี OHCA ที่มีจังหวะการทำงานของหัวใจที่สามารถช็อกได้จะลดลง 10% ต่อหนึ่งนาที หลังจากขาดออกซิเจน สมองของมนุษย์จะเริ่มเสื่อมลงหลังจาก 1 นาที และเข้าสู่สภาวะเสียหายของเซลล์ประสาทในระดับกว้างภายใน 3 นาที ดังนั้น ช่วงเวลา 3 นาทีนี้จึงมีความสำคัญอย่างยิ่ง เนื่องจากความตายจะใกล้เข้ามาในเวลา 5 นาที [5] ด้วยเทคโนโลยีการตอบสนองฉุกเฉินในปัจจุบัน เวลาการตอบสนองนี้กำลังถึงขีดจำกัดเนื่องจากปัจจัยจำกัดขนาดใหญ่อย่างการจราจรติดขัดซึ่งทำให้เวลาการตอบสนองไม่แน่นอน [6] เนื่องจากข้อจำกัดเหล่านี้กับเทคโนโลยีรถพยาบาลและการตอบสนองฉุกเฉินในปัจจุบัน โครงการนี้มีเป้าหมายเพื่อสำรวจตัวเลือกการขนส่งอื่น ๆ โดยเฉพาะการขนส่งทางอากาศโดยใช้ยานพาหนะทางอากาศอัตโนมัติหรือโดรน เมื่อเปรียบเทียบกับการขนส่งทางถนน เส้นทางการขนส่งทางอากาศไม่มีข้อจำกัดเรื่องการจราจรติดขัด และเส้นทางสามารถตรงมากขึ้น โดยข้ามการจราจรและแยกที่หนาแน่นทั้งหมด นอกจากนี้ยังปลอดภัยกว่าในการขนส่งอุปกรณ์ เนื่องจากมีปัจจัยที่หยุดการขนส่งน้อยลง สิ่งนี้จะช่วยปรับปรุงเวลาการตอบสนองของอุปกรณ์ต่าง ๆ เช่น AEDs EpiPens และชุดปฐมพยาบาล ซึ่งสามารถใช้งานได้โดยทุกคนในพื้นที่ใกล้เคียง สิ่งนี้อาจถือว่าเป็นการช่วยชีวิตที่สำคัญ
คณะวิทยาศาสตร์
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.
คณะวิศวกรรมศาสตร์
This research focuses on the development of a 3D-printed spectrophotometer. The device was designed using AutoCAD, ensuring durability, low cost, and portability. It is intended for measuring the amount of formaldehyde in fresh seafood.
คณะวิศวกรรมศาสตร์
Jaundice, a common condition in infants that results from high bilirubin levels in the blood, often requires early diagnosis and monitoring to prevent severe complications, especially in newborns. Traditional diagnostic methods can be time-consuming and subject to human error. This study proposes an approach for real-time jaundice detection using advanced image processing techniques and machine learning algorithms. By analyzing images captured in RGB color spaces, pixel values are extracted and processed through Otsu’s thresholding and morphological operations to detect color patterns indicative of jaundice. A classifier model is then trained to distinguish between normal and jaundiced conditions, offering an automated, accurate, and efficient diagnostic tool. The system’s potential to operate in real-time makes it particularly suited for clinical settings, providing healthcare professionals with timely insights to improve patient outcomes. The proposed method represents a significant innovation in healthcare, combining artificial intelligence and medical imaging to enhance the early detection and management of jaundice, reducing reliance on manual interventions and improving overall healthcare delivery.