แมลงศัตรูทางการแพทย์และสัตวแพทย์ที่สำคัญจำพวกยุงลายบ้าน แมลงวันบ้าน และแมลงสาบ ล้วนสร้างปัญหาทางด้านสุขอนามัยของคนและสัตว์เลี้ยงลูกด้วยนม รวมถึงสร้างความบดบังความงามทางทัศนียภาพมากขึ้น ดังนั้นงานวิจัยครั้งนี้จึงค้นพบสูตรผสมของน้ำมันหอมระเหยและสารออกฤทธ์หลักจากพืชสมุนไพรที่มีประสิทธิภาพสูงในการควบคุมและกำจัดแมลงเหล่านี้เมื่อเทียบกับสารเคมีกำจัดแมลง รวมถึงมีความปลอดภัยต่อสิ่งมีชีวิตที่ไม่ใช่เป้าหมายที่อาศัยอยู่ในสภาพแวดล้อมได้ และพบว่ามีความเสถียรและรักษาคุณภาพการออกฤทธิ์ของสารได้เป็นอย่างดี ซึ่งสารสูตรดังกล่าวสามารถพัฒนาเป็นผลิตภัณฑ์จากธรรมชาติที่เป็นมิตรต่อสิ่งแวดล้อมและสามารถใช้แทนหรือลดการใช้สารเคมีกำจัดแมลงเหล่านี้ได้
แมลงศัตรูทางการแพทย์และสัตวแพทย์มีแมลงหลากหลายชนิดที่ก่อให้เกิดปัญหาทางด้านสาธารณสุขและสัตว์เลี้ยงต่างๆอย่างมากมายกับประชากรทั่วโลก โดยเน้นแมลงที่มีความสำคัญในทางการแพทย์และสัตวแพทย์ในปัจจุบัน ได้แก่ ยุงลายบ้าน แมลงวันบ้าน แมลงวันคอกสัตว์ เหามนุษย์ แมลงสาบอเมริกัน และแมลงสาบเยอรมัน เพราะแมลงศัตรูเหล่านี้เป็นแมลงพาหะที่นำโรคมาสู่มนุษย์และสัตว์เลี้ยง อาทิเช่น โรคไข้เลือดออก โรคไข้ปวดข้อ เป็นต้น จากปัญหาดังกล่าวจึงมีความจำเป็นอย่างมากในการหาแนวทางป้องกันกำจัดแหล่งเพาะพันธุ์ของแมลงศัตรูเหล่านี้ เพื่อเป็นการตัดวงจรชีวิตและการควบคุมระบาด ซึ่งส่วนมากนิยมใช้สารเคมีสังเคราะห์ในการกำจัดแมลงที่สามารถลดจำนวนประชากรของแมลงได้อย่างรวดเร็ว แต่การใช้สารเคมีสังเคราะห์ในการกำจัดแมลงเป็นเวลานานๆ ทำให้เกิดผลเสียต่างๆตามมา เช่น แมลงศัตรูทางการแพทย์และสัตวแพทย์สร้างความต้านทานต่อสารเคมีสังเคราะห์ จำเป็นต้องเปลี่ยนสารเคมีสังเคราะห์ชนิดใหม่ๆ หรือใช้ในปริมาณที่สูงขึ้น ทำให้เกิดการระบาดของแมลงพาหะชนิดใหม่ซึ่งแต่ก่อนไม่เคยมีความสำคัญเกิดการระบาดเป็นแมลงศัตรูขึ้นมาได้ และประการสำคัญคือสารเคมีสังเคราะห์มีความเป็นพิษสูงกับสิ่งมีชีวิตชนิดอื่นๆที่ไม่ต้องการทำลายต้องตายไปด้วย เช่น ปลา แมลงในน้ำ ไส้เดือน เป็นต้น รวมทั้งผึ้งและแมลงมีประโยชน์ชนิดต่างๆ ปัจจุบันมีการนำน้ำมันหอมระเหยจากพืชและสารออกฤทธิ์หลักมาใช้ในการป้องกันกำจัดแมลงศัตรูทางการแพทย์และสัตวแพทย์อย่างแพร่หลาย ดังนั้นในการวิจัยครั้งนี้จึงมุ่งเน้นหาน้ำมันหอมระเหยจากพืชและสารออกฤทธิ์ที่มีประสิทธิภาพดีในการกำจัดทุกระยะการเจริญเติบโตของแมลงศัตรูทางการแพทย์และสัตวแพทย์ มีความปลอดภัยต่อผู้ใช้งานและเป็นมิตรต่อสิ่งแวดล้อม
คณะวิศวกรรมศาสตร์
-
คณะวิศวกรรมศาสตร์
แอปพลิเคชันจัดการมื้ออาหารสำหรับผู้ป่วยเบาหวาน เป็นเครื่องมือด้านสุขภาพดิจิทัลที่ออกแบบมาเพื่อเสริมศักยภาพผู้ป่วยเบาหวานชนิดที่ 2 ในการจัดการด้านอาหารและระดับน้ำตาลในเลือดได้อย่างมีประสิทธิภาพมากขึ้น ด้วยฟีเจอร์ต่าง ๆ เช่น คำแนะนำมื้ออาหารที่ปรับให้เหมาะกับแต่ละบุคคล การติดตามสารอาหาร และการเชื่อมต่อแอปพลิเคชันกับอุปกรณ์วัดระดับน้ำตาลในเลือด (CGM) แอปพลิเคชันนี้ช่วยให้ผู้ใช้สามารถติดตามระดับน้ำตาลได้แบบเรียลไทม์ และปรับเปลี่ยนการเลือกรับประทานอาหารได้อย่างเหมาะสม พัฒนาด้วยเฟรมเวิร์ก Flutter และรองรับด้วย Back-end Express.js และ MongoDB แอปพลิเคชันนี้ให้ความสำคัญกับการออกแบบส่วนติดต่อผู้ใช้ที่ใช้งานง่าย เพื่อให้มั่นใจว่าจะสามารถส่งเสริมการวางแผนมื้ออาหารและการติดตามสุขภาพได้อย่างมีประสิทธิภาพ การทดลองใช้งานเบื้องต้นแสดงให้เห็นว่าแอปพลิเคชันนี้มีส่วนช่วยให้ระดับน้ำตาลในเลือดมีความคงที่มากขึ้นและเพิ่มการปฏิบัติตามคำแนะนำด้านอาหารได้ดีขึ้น ช่วยให้ผู้ใช้ลดความเสี่ยงด้านสุขภาพที่เกี่ยวข้องกับภาวะแทรกซ้อนของโรคเบาหวาน ด้วยการนำเสนอแนวทางในการหลักเลี่ยงตัวแปรของการเกิดโรคเบาหวาน แอปพลิเคชันนี้ช่วยลดความจำเป็นในการเข้ารับการรักษาทางคลินิกบ่อยครั้ง จึงมีศักยภาพในการลดค่าใช้จ่ายทางการแพทย์ในระยะยาว โดยแสดงให้เห็นถึงบทบาทที่น่าสนใจของโซลูชันด้านสุขภาพดิจิทัลในการสนับสนุนการดูแลโรคเบาหวานแบบเฉพาะบุคคล และเน้นย้ำถึงศักยภาพของการขยายขนาดและเน้นผู้ใช้เป็นศูนย์กลาง ซึ่งส่งเสริมการพัฒนาสุขภาพในระยะยาวสำหรับผู้ป่วยเบาหวาน
คณะวิทยาศาสตร์
ด้วยการพัฒนาของเทคโนโลยีทางด้านอวกาศทำให้การสำรวจท้องฟ้าโดยใช้กล้องโทรทรรศน์ที่มีมุมมองกว้างขยายขอบเขตของข้อมูลใหม่ๆ สำหรับการวิจัยดาราศาสตร์โดเมนเวลามากยิ่งขึ้น ทำให้การวิเคราะห์ข้อมูลแบบดั้งเดิมไม่สามารถตอบสนองต่อข้อมูลได้อย่างรวดเร็วและแม่นยำเพียงพอต่อปริมาณข้อมูลที่เพิ่มขึ้นอย่างต่อเนื่อง ดังนั้น การจำแนกประเภทของข้อมูลซีรีส์เวลาอย่างกราฟแสงจึงเป็นความท้าทายอย่างมากในยุคที่ข้อมูลมีขนาดใหญ่ ในปัจจุบันการวิเคราะห์กราฟแสงจึงจำเป็นต้องใช้เทคนิคการเรียนรู้ของเครื่องเข้ามาช่วยในการวิเคราะห์ คัดกรองข้อมูลอันมหาศาลอย่างหลีกเลี่ยงไม่ได้ โดยอัลกอริทึมการเรียนรู้ของเครื่องแบ่งออกได้ 2 ประเภท คือ แบบตื้นและแบบลึก นักวิจัยหลายๆ ท่านได้นำเสนอวิธีการและการพัฒนาอัลกอริทึมหลากหลายรูปแบบสำหรับการจำแนกประเภทของกราฟแสง ซึ่งในงานนี้เราได้ทำการทดลองใช้ Support Vector Machine (SVM) และ XGBoost ซึ่งเป็นอัลกอริทึมการเรียนรู้ของเครื่องประเภทแบบตื้น และ 1D-CNN และ Long Short-Term Memory (LSTM) ซึ่งเป็นอัลกอริทึมการเรียนรู้เชิงลึกเป็นอีกหนึ่งสาขาของการเรียนรู้ของเครื่องที่เป็นประเภทแบบลึก เพื่อใช้ในการจำแนกประเภทของดาวแปรแสง โดยข้อมูลที่ใช้ในการอบรบและทดสอบ คือ ข้อมูล Optical Gravitational Lensing Experiment-III (OGLE-III) เป็นข้อมูลของดาวแปรแสง โดยอยู่ในพื้นที่ Large Magellanic Cloud (LMC) ที่มีการแบ่งได้ 5 คลาสหลักส่วนใหญ่ (Classical Cepheids, δ Scutis, eclipsing binaries, RR Lyrae stars และ Long-period variables) ผลลัพธ์แสดงให้เห็นถึงการวิเคราะห์ประสิทธิภาพของการเรียนรู้ของเครื่องแต่ละประเภทที่ใช้กับข้อมูลกราฟแสง อีกทั้งยังชี้ให้เห็นถึงความแม่นยำและค่าสถิติต่างๆ ของการเรียนรู้ของเครื่องที่ใช้ในทดลอง