โครงสร้างกระดูกจากวัสดุชีวภาพเป็นวัสดุที่ช่วยให้การฟื้นฟู หรือซ่อมแซ่มเนื้อเยื้อกระดูกได้อย่างรวดเร็วขึ้น พร้อมทั้งนี้ตัววัสดุที่เป็นโครงสร้างสามารถที่จะย่อยสลายภายในร่างกาย หรือในระบบชีวภาพได้เป็นอย่างดี ในงานนี้จึงนี้จุดมุ่งหมายในการศึกษาถึงวัสดุ รูปร่าง และกระบวนการผลิตในการพิมพ์ 3 มิติด้วยเทคนิคการหลอมละลายเส้นพลาสติก (fused deposition modeling: FDM) ที่เหมาะสม ซึ่งได้ใช้ระเบียบวิธีไฟไนต์เอลิเมนต์เพื่อทำนายคุณสมบัติเชิงกลของโครงสร้างกระดูกที่มีรูปร่าง และขนาดรูพรุนที่เหมาะสม อย่างไรก็ตามวัสดุที่ใช้การศึกษานี้ ได้แก่ พอลีแลคติคแอซิด (polylactic acid: PLA) พอลิคาโพรแลกโตน (polycaprolactone: PCL) และ ไฮดรอกซิลอะพาไทต์ (hydroxyapatite: HA)
โครงเลี้ยงเซลล์ (Scaffold) หรือวัสดุที่มีรูพรุนเพื่อการเจริญเติบโตของเซลล์สู่การกลายเป็นเนื้อเยื่อสำหรับการฟื้นฟูส่วนที่เสียหายของร่างกาย ซึ่งในปัจจุบันมีความเสียหายของเนื้อเยื่อที่เกิดขึ้นจากอุบัติเหตุ โรค เป็นต้น โดยการรักษาแบบดั้งเดิมจะใช้การรับเนื้อเยื่อจากผู้บริจาค แต่ก็อาจไม่เข้ากันกับร่างกายของผู้ป่วยทางวิศวกรรมเนื้อเยื่อจึงได้มีการพัฒนาโครงเลี้ยงเซลล์ขึ้นมาซึ่งจำเป็นต้องมีคุณสมบัติที่สำคัญ ได้แก่ การทนต่อการรับแรง การย่อยสลายภายในร่างกาย และความเข้ากันได้ทางระบบชีวภาพ อย่างไรก็ตามมีความท้าทายมากมายในการพัฒนาวัสดุชีวภาพในโครงเลี้ยงเซลล์ เช่น การรองรับความหนาแน่นของเซลล์ที่เพิ่มขึ้นเนื่องจากการเจริญเติบโต ซึ่งจำเป็นต้องออกแบบรูพรุนภายในโครงเลี้ยงเซลล์ การรับแรงการแรงกดโดยมวลกล้มเนื้อของร่างกาย และเลือกวัสดุที่เหมาะสมเพื่อรองรับการเจริญเติบโตของเซลล์ เป็นต้น
คณะอุตสาหกรรมอาหาร
ขนมเจลลี่ทางเลือกใหม่ของคนรักสุขภาพ อร่อยง่าย พกพาสะดวก ดีต่อลำไส้ อุดมไปด้วยโพรไบโอติกและพรีไบโอติก มีสารต้านอนุมูลอิสระ และยังมีวิตามินที่จำเป็นต่อร่างกาย เหมาะกับคนที่รัสุขภาพ และผู้ที่แพ้แลคโตสสามารถรับประทานได้ ไม่ใส่แต่งสี และแต่งกลิ่น
คณะศิลปศาสตร์
นวัตกรรมนี้ช่วยลดต้นทุนและเพิ่มประสิทธิภาพการจัดการคิวในร้านอาหาร ทำให้ระบบเป็นระเบียบ ลดเวลารอคอย และรองรับลูกค้าได้ดียิ่งขึ้น
คณะวิทยาศาสตร์
ในปัจจุบัน การเปลี่ยนแปลงสภาพภูมิอากาศและกิจกรรมของมนุษย์ส่งผลให้แนวปะการังทั่วโลกเผชิญกับภาวะเสื่อมโทรมอย่างรวดเร็ว การตรวจสอบสุขภาพของปะการังจึงมีความสำคัญอย่างยิ่งต่อการอนุรักษ์ระบบนิเวศทางทะเล โครงการนี้มุ่งเน้นการพัฒนาแบบจำลองปัญญาประดิษฐ์ (AI) เพื่อจำแนกสุขภาพของปะการังออกเป็นสี่ประเภท ได้แก่ ปะการังแข็งแรง (Healthy), ปะการังฟอกขาว (Bleached), ปะการังซีด (Pale), และปะการังตาย (Dead) โดยใช้โครงข่ายประสาทเทียมเชิงลึก (Deep Learning) เป็นพื้นฐานในการฝึกสอนแบบจำแนกภาพ ในกระบวนการฝึกแบบจำลอง ได้มีการใช้เทคนิค Cross-Validation (k=5) เพื่อเพิ่มความแม่นยำ พร้อมทั้งบันทึกโมเดลที่มีประสิทธิภาพดีที่สุดหลังการฝึกผลลัพธ์ของโครงการนี้สามารถนำไปประยุกต์ใช้ในการติดตามการเปลี่ยนแปลงของแนวปะการัง และช่วยนักวิทยาศาสตร์ทางทะเลวิเคราะห์ข้อมูลได้อย่างรวดเร็วและแม่นยำยิ่งขึ้น ซึ่งจะเป็นประโยชน์ต่อการวางแผนอนุรักษ์ระบบนิเวศทางทะเลในอนาคต