โรคหูชั้นกลางอักเสบ เกิดจากการที่ผู้ป่วยติดเชื้อโรคในหูชั้นกลาง ซึ่งสามารถพบได้ในทุกเพศทุกวัย อย่างไรก็ดี การวินิจฉัยสามารถทำได้โดยการนำภาพถ่ายจากกล้องออโตสโคปมาวิเคราะห์โดยแพทย์ผู้เชี่ยวชาญ แต่กระนั้น จำต้องอาศัยประสบการณ์ทางการแพทย์เพื่อลดทอนระยะเวลาในการวินิจฉัย ดังนั้น งานวิจัยนี้จึงนำเสนอเทคโนโลยีทางคอมพิวเตอร์วิทัศน์ มาประยุกต์ใช้เพื่อวินิจฉัยโรคเบื้องต้นประกอบการตัดสินใจให้กับแพทย์ผู้เชี่ยวชาญ โดยใช้เทคนิคการเรียนรู้เชิงลึก และโครงข่ายประสาทเทียมแบบคอนโวลูชัน อย่างสถาปัตยกรรม YOLOv8 และ Inception v3 เพื่อจำแนกประเภทของโรค และคุณลักษณะของโรคหูชั้นกลางอักเสบทั้ง 5 อย่างที่แพทย์ใช้ในการพิจารณาประเภทของโรคอันได้แก่ สี ความโปร่งใส ของเหลว การหดตัว และการทะลุ นอกจากนี้ ยังใช้วิธีการแบ่งส่วนรูปภาพ และการจำแนกประเภทรูปภาพในการวิเคราะห์และทำนายประเภทของโรคหูชั้นกลางอักเสบ ซึ่งสามารถแบ่งประเภทของโรคได้สี่ประเภท คือ โรคหูชั้นกลางอักเสบแบบมีน้ำขัง แบบเฉียบพลัน โรคหูชั้นกลางทะลุ และแก้วหูปกติ ผลการทดลองพบว่าโมเดลจำแนกประเภทสามารถจำแนกประเภทของโรคหูชั้นกลางอักเสบโดยตรงได้ดีพอประมาณ โดยผลลัพธ์ค่า Accuracy อยู่ที่ 65.7% ค่า Recall อยู่ที่ 65.7% และค่า Precision อยู่ที่ 67.6% และนอกจากนี้ยังให้ผลลัพธ์สำหรับการจำแนกคำตอบของคุณลักษณะหูทะลุได้ดีที่สุด โดยผลลัพธ์ค่า Accuracy อยู่ที่ 91.8% ค่า Recall อยู่ที่ 91.8% และค่า Precision อยู่ที่ 92.1% ในขณะที่โมเดลจำแนกซึ่งมีการประยุกต์ใช้เทคนิคการแบ่งส่วนรูปภาพมีประสิทธิภาพดีที่สุดโดยภาพรวม มีค่า mAP50-95 อยู่ที่ 79.63% ค่า Recall อยู่ที่ 100% และค่า Precision อยู่ที่ 99.8% ทั้งนี้ โมเดลดังกล่าวยังไม่ได้ถูกนำไปทดสอบการจำแนกประเภทของโรคหูชั้นกลางอักเสบ
โรคหูน้ำหนวกเป็นโรคที่เกิดจากการอักเสบของหูชั้นกลาง โดยมีอาการปวดหู หูอื้อ และมีน้ำไหลซึมออกมาจากหู ในบางกรณีที่ได้รับการรักษาไม่ถูกต้องหรือไม่ทันการ อาจพบว่ามีน้ำหนองซึมรวมอยู่ด้วย นอกจากนี้หากอาการอักเสบเกิดความรุนแรงเพิ่มมากขึ้น อาจส่งผลให้ผู้ป่วยสูญเสียการได้ยินและเกิดภาวะแทรกซ้อนซึ่งเป็นสาเหตุอันนำไปสู่การเกิดโรคอื่น ๆ ในกระบวนการรักษาโรคหูน้ำหนวกจำเป็นต้องมีแพทย์ผู้เชี่ยวชาญทำการวินิจฉัย โดยสอดกล้องออโตสโคปเข้าไปในรูหูเพื่อตรวจสอบ อย่างไรก็ตาม ในขั้นตอนนี้มักพบปัญหาและข้อจำกัดบางประการ เช่น ทักษะและประสบการณ์ของแพทย์ผู้ตรวจอาจไม่ชำนาญพอจะวินิจฉัยได้อย่างถูกต้องแม่นยำ ความพร้อมของเครื่องมือและอุปกรณ์ซึ่ง ในบางครั้งจำเป็นต้องมีการวินิจฉัยเพิ่มด้วยการวัดขนาดแก้วหูหรือการถ่ายภาพ ดังนั้นแล้วในขั้นตอนการรักษานี้สามารถพัฒนาเครื่องมือร่วมกับการประยุกต์ใช้ศาสตร์องค์-ความรู้ทางด้านคอมพิวเตอร์เข้ามาเพื่อแก้ปัญหา รวมทั้งช่วยลดภาระงานของบุคลากรทางการแพทย์ โดยเฉพาะอย่างยิ่งคือการขาดแคลนบุคลากรซึ่งมีไม่เพียงพอต่อปริมาณผู้ป่วย นอกจากนี้เพื่อให้การรักษามีประสิทธิภาพ ยังต้องคำนึงถึงความพร้อมของแพทย์ผู้รักษาซึ่งไม่ใช่เพียงทักษะหรือเครื่องมือ แต่รวมไปถึงสภาพร่างกายที่อาจเกิดจากความเหนื่อยล้าและโอกาสเกิดข้อผิดพลาดจากการวินิจฉัย หัวข้อปัญหาพิเศษนี้จึงได้นำเสนอแนวทางการแก้ไขปัญหาโดยการนำทฤษฎีการเรียนรู้เชิงลึก(Deep Learning) มาประยุกต์ใช้ เพื่อเป็นเครื่องมือช่วยในการจำแนกอาการผิดปกติของโรคหูน้ำหนวกจากภาพถ่ายและภาพเคลื่อนไหว ซึ่งเก็บรวบรวมจากแพทย์ผู้เชี่ยวชาญ ทั้งนี้ ปัจจัยสำคัญที่เป็นจุดสังเกตในการวินิจฉัยโรค ได้แก่ ปริมาณของเหลวในหูชั้นกลาง การหดตัวของเยื่อหูชั้นกลาง สีของของเหลวในหูชั้นกลาง ความโปร่งใสของเยื่อหูชั้นกลาง การทะลุของเยื่อหู และการขยับของเยื่อ-แก้วหูเมื่อเป่าลมทดสอบ ทั้งหมดนี้สามารถนำไปวิเคราะห์และจำแนกเป็นอาการได้ดังนี้ หูปกติ เยื่อ-แก้วหูยุบ เยื่อแก้วหูทะลุ มีของเหลวขังในเยื่อแก้วหู เยื่อแก้วหูอักเสบเฉียบพลัน และหูชั้นกลางทะลุ
คณะวิทยาศาสตร์
ระบบตรวจจับผลไม้เน่ามีที่มาจากความต้องการในการลดการสูญเสียผลผลิตทางการเกษตร ซึ่งเป็นปัญหาที่เกิดขึ้นทั่วโลกโดยเฉพาะในอุตสาหกรรมการเกษตรและการจัดจําหน่ายอาหาร ผลไม้ที่เน่าเสียจะส่งผลกระทบต่อคุณภาพของผลิตภัณฑ์และสามารถก่อให้เกิดความสูญเสียทางเศรษฐกิจได้อย่างมาก การพัฒนาระบบตรวจจับผลไม้เน่าจึงมีเป้าหมายเพื่อช่วยในการคัดกรองและแยกผลไม้ที่ไม่เหมาะสมออกจากกระบวนการจัดส่ง เพื่อรักษาคุณภาพของสินค้าและตอบสนองต่อความต้องการของผู้บริโภคที่ต้องการผลไม้สดใหม่ ทางผู้จัดจึงได้จำลองระบบคัดแยกผลไม้เน่าเสียออกจากผลไม้สดโดยใช้รูปภาพเป็นปัจจัย ผลการทดลองออกมาอย่างมีประสิทธิภาพและมีความเร็วในการทำนายสูง
คณะวิทยาศาสตร์
โครงงานนี้พัฒนาตู้รับซื้ออัตโนมัติสำหรับขวดพลาสติกและกระป๋อง โดยใช้ Machine Learning ในการจำแนกประเภทบรรจุภัณฑ์ผ่านการประมวลผลภาพ ร่วมกับระบบเซนเซอร์อัจฉริยะในการตรวจสอบคุณภาพของบรรจุภัณฑ์และควบคุมการทำงาน ระบบเชื่อมต่อกับ Web Application เพื่อแสดงผลและควบคุมการทำงานแบบเรียลไทม์ เมื่อยืนยันประเภทบรรจุภัณฑ์แล้ว จะคำนวณราคาและจ่ายเงินผ่าน e-wallet หรือออกคูปองแลกเงินสดโดยอัตโนมัติ ระบบนี้สามารถติดตั้งในพื้นที่สาธารณะเพื่อส่งเสริมการคัดแยกขยะตั้งแต่ต้นทาง ช่วยลดการปนเปื้อนและเพิ่มประสิทธิภาพการรีไซเคิล อีกทั้งยังสร้างแรงจูงใจทางการเงินให้ประชาชนมีส่วนร่วมในการจัดการขยะมากขึ้น โครงงานนี้แสดงให้เห็นถึงศักยภาพของการผสมผสาน Machine Learning และระบบเซนเซอร์อัจฉริยะในการพัฒนาโซลูชันการจัดการขยะที่แม่นยำ สะดวก และยั่งยืน **
คณะวิทยาศาสตร์
เนื่องจากสายพันธุ์ Enterococcus lactis มีความใกล้ชิดกับ E. faecium และ ด้านคุณสมบัติที่เป็นประโยชน์และมีผลทางโปรไบโอติก ในการศึกษานี้ สายพันธุ์ RRS4 ถูกแยกจากหัวไช้เท้าดอง (Raphanus sativus Linn.) และทำการระบุชนิดโดยอาศัยลักษณะทางฟีโนไทป์และจีโนไทป์ สายพันธุ์ RRS4 แสดงความสามารถในการอยู่รอดในสภาวะแวดล้อมที่มี NaCl 2-8% ค่า pH ระหว่าง 4 ถึง 9 และอุณหภูมิระหว่าง 4°C ถึง 45°C การวิเคราะห์จีโนมแบบครอบคลุมยืนยันว่า RRS4 เป็น E. lactis นอกจากนี้ E. lactis RRS4 ยังแสดงฤทธิ์ยับยั้งเชื้อ E. faecalis JCM 5803 ที่ดื้อต่อวานโคมัยซิน การประเมินความปลอดภัยโดยใช้วิธี in silico รวมถึงการวิเคราะห์ด้วย KEGG annotation พบว่า E. lactis RRS4 ไม่มียีนที่เกี่ยวข้องกับความรุนแรงของเชื้อหรือยีนที่ไม่พึงประสงค์ การวิเคราะห์ด้วย VirulenceFinder พบว่ายีนที่เกี่ยวข้องกับความรุนแรงของเชื้อมีความสอดคล้องกับยีนใน E. lactis สามสายพันธุ์ และ E. faecium สี่สายพันธุ์ แม้ว่าจะพบว่ายีนต้านทานยาปฏิชีวนะยังคงมีอยู่ แต่ไม่มีความสัมพันธ์กับลักษณะการก่อโรคที่สำคัญ นอกจากนี้ การประเมินความปลอดภัยยังชี้ให้เห็นว่า E. lactis RRS4 มีความปลอดภัยโดยทั่วไป แม้ว่าจะมียีนที่เกี่ยวข้องกับการดื้อยาปฏิชีวนะก็ตาม สุดท้ายนี้ เราขอเสนอแนวทางในการประเมินความปลอดภัยของสายพันธุ์จุลินทรีย์โดยใช้การวิเคราะห์จีโนมทั้งหมด ซึ่งผลการศึกษานี้เป็นก้าวสำคัญในการวิจัยโปรไบโอติก