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
คณะวิศวกรรมศาสตร์
This project presents an interactive kiosk system designed to facilitate students, staff, and visitors within the university campus. The kiosk provides real-time event updates, news, and university document access via QR codes or email. It integrates a 3D map of the engineering department with navigation assistance, allowing users to locate offices and other facilities efficiently. Additionally, it features a room booking system, enabling users to reserve spaces through an online platform and check in via QR code scanning at the kiosk. By integrating digital technology and smart urban solutions, this system enhances accessibility, campus management, and visitor experience.
คณะแพทยศาสตร์
This study explores the application of deep convolutional neural networks (CNNs) for accurate pill identification, addressing the limitations of traditional human-based methods. Using a dataset of 1,250 images across 10 household remedy drugs, various CNN architectures, including YOLO models, were tested under different conditions. Results showed that natural lighting was optimal for imprinted pills, while a lightbox improved detection for plain pills. The YOLOv5-tiny model demonstrated the best detection accuracy, and efficientNet_b0 achieved the highest classification performance. While the model showed strong results, its generalization is limited by sample size and drug variability. Nonetheless, this approach holds promise for enhancing medication safety and reducing errors in outpatient care.
คณะวิศวกรรมศาสตร์
The Diabetes Meal Management Application is a digital health tool designed to empower Type 2 diabetic patients in managing their diet and blood sugar levels more effectively. With features like personalized meal recommendations, nutrient tracking, and seamless integration with wearable blood glucose monitors via Blood sugar measuring device (CGM), the application enables users to monitor glucose fluctuations in real time and adjust dietary choices accordingly. Built with the Flutter framework and supported by a backend of Express.js and MongoDB, the application prioritizes a user-friendly interface, ensuring easy navigation and encouraging consistent engagement with meal planning and health tracking. Preliminary user trials show that the application contributes to more stable blood sugar levels and improved adherence to dietary recommendations, helping users reduce health risks associated with diabetes complications. By offering a proactive approach to diabetes management, the application reduces the need for frequent clinical interventions, thus potentially lowering medical costs over time. This project highlights the promising role of digital health solutions in supporting personalized diabetes care, emphasizing the potential for scalable, user-centered interventions that foster long-term health improvements for diabetic patients.