
การตรวจวินิจฉัยโรคดีซ่าน ซึ่งเป็นภาวะที่พบได้ทั่วไปในทารกเนื่องจากระดับบิลิรูบินในเลือดที่สูงขึ้น มักต้องการการวินิจฉัยและการตรวจสอบอย่างรวดเร็วเพื่อป้องกันภาวะแทรกซ้อนร้ายแรง โดยเฉพาะในทารกแรกเกิด วิธีการวินิจฉัยแบบดั้งเดิมสามารถใช้เวลานานและอาจเกิดข้อผิดพลาดจากมนุษย์ได้ งานวิจัยนี้เสนอแนวทางในการตรวจวินิจฉัยโรคดีซ่านแบบเรียลไทม์โดยใช้เทคนิคการประมวลผลภาพขั้นสูงและอัลกอริทึมแมชชีนเลิร์นนิง โดยการวิเคราะห์ภาพที่ถ่ายในพื้นที่สี RGB จะมีการสกัดและประมวลผลค่าพิกเซลผ่านการปรับค่าเกณฑ์ของ Otsu และการดำเนินการทางสัณฐานวิทยาเพื่อตรวจจับรูปแบบสีที่บ่งบอกถึงโรคดีซ่าน จากนั้นตัวจำแนกจะถูกฝึกฝนเพื่อแยกแยะระหว่างภาวะปกติและภาวะดีซ่าน นำเสนอนวัตกรรมเครื่องมือวินิจฉัยที่แม่นยำและมีประสิทธิภาพ การทำงานแบบเรียลไทม์ทำให้ระบบนี้เหมาะสำหรับสถานพยาบาล โดยให้ข้อมูลเชิงลึกที่ทันเวลาแก่บุคลากรทางการแพทย์เพื่อปรับปรุงผลลัพธ์ของผู้ป่วย วิธีการที่เสนอนี้เป็นนวัตกรรมสำคัญในด้านการดูแลสุขภาพ โดยการรวมปัญญาประดิษฐ์และการถ่ายภาพทางการแพทย์เพื่อเพิ่มประสิทธิภาพในการตรวจวินิจฉัยและจัดการโรคดีซ่านได้เร็วขึ้น ลดการพึ่งพาการแทรกแซงแบบแมนนวล และปรับปรุงการให้บริการด้านสุขภาพโดยรวม
โรคดีซ่าน ซึ่งเป็นภาวะทางการแพทย์ทั่วไปที่มีลักษณะการเหลืองของผิวหนังและดวงตา มักบ่งบอกถึงความผิดปกติของตับหรือเลือดที่อยู่เบื้องหลัง การตรวจพบในระยะเริ่มต้นมีความสำคัญอย่างยิ่ง โดยเฉพาะในทารกแรกเกิด ที่หากไม่ได้รับการรักษาโรคดีซ่าน อาจนำไปสู่ภาวะแทรกซ้อนร้ายแรงได้ วิธีการวินิจฉัยแบบดั้งเดิมต้องอาศัยการตรวจสอบด้วยสายตาหรือการทดสอบในห้องปฏิบัติการ ซึ่งอาจใช้เวลานานและมีข้อผิดพลาดได้ ความก้าวหน้าล่าสุดในด้านการประมวลผลภาพและแมชชีนเลิร์นนิงเสนอความเป็นไปได้ใหม่ ๆ สำหรับการตรวจจับที่แม่นยำ มีประสิทธิภาพ และแบบเรียลไทม์มากขึ้น ด้วยการวิเคราะห์รูปแบบสีผิว ปัญญาประดิษฐ์ (AI) สามารถทำให้การวินิจฉัยเป็นไปโดยอัตโนมัติ ทำให้รวดเร็วขึ้นและลดการพึ่งพาการประเมินโดยมนุษย์

คณะสถาปัตยกรรม ศิลปะและการออกแบบ
สถานการณ์ในปัจจุบันและความไม่แน่นอน นำมาสู่แนวคิดความมั่นคงทางอาหาร การนำเอานวัตกรรมและเทคโนโลยีเข้ามาปรับใช้เพื่อให้เกิดการให้ผลผลิตที่มากในพื้นที่จำกัด โดยปรับปรุงอาคารเก่าในพื้นที่เมืองที่ไม่ถูกใช้งานมาปรับปรุงให้เหมาะสมกับการปลูกพืช จัดทำเป็นพื้นที่เรียนรู้การปลูกพืชในเมือง นำเสนอวิธีการปลูกพืชแบบต่างๆ รวบรวมเป็นนวัตกรรมการปลูกพืชกว่า 35 รายการ สำหรับเผยแพร่ความรู้ เพื่อสร้างความมั่นคงทางอาหาร พึ่งพาตนเอง การอยู่อาศัยอย่างยั่งยืน

คณะแพทยศาสตร์
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบโครงข่ายประสาทเทียมแบบคอนโวลูชัน (Deep Convolutional Neural Networks - CNNs) สำหรับการระบุเม็ดยาอย่างแม่นยำ เพื่อแก้ไขข้อจำกัดของการพิสูจน์เอกลักษณ์เม็ดยาด้วยทรัพยากรมนุษย์ โดยใช้ข้อมูลรูปภาพจำนวน 1,250 ภาพ จากยาสามัญประจำบ้าน 10 ชนิด นำมาทดสอบกับโมเดล YOLO ที่แตกต่างกันภายใต้เงื่อนไขต่างๆ ผลการทดลองพบว่า การใช้แสงธรรมชาติให้ผลดีกว่าเมื่อทดสอบด้วยระบบโครงข่ายประสาทเทียมแบบคอนโวลูชัน เมื่อเปรียบเทียบกับแสงจากกล่องสตูดิโอ นอกจากนี้ โมเดล YOLOv5-tiny แสดงความแม่นยำสูงสุดในการตรวจจับเม็ดยา ขณะที่โมเดล EfficientNet_b0 ให้ผลลัพธ์ดีที่สุดในการจำแนกเม็ดยา แม้ว่าระบบโครงข่ายประสาทเทียมแบบคอนโวลูชันที่พัฒนาขึ้นนี้จะให้ผลลัพธ์ที่น่าพึงพอใจ แต่ยังมีข้อจำกัดในเรื่องชนิดของเม็ดยาและจำนวนภาพที่ใช้ในการศึกษา อย่างไรก็ตาม งานวิจัยนี้มีศักยภาพในการส่งเสริมความปลอดภัยในการใช้ยาทั้งในระบบสาธารณสุขและผู้ป่วยนอก รวมถึงลดปัญหาที่อาจเกิดขึ้นจากการใช้ยาผิดพลาด

คณะเทคโนโลยีการเกษตร
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาพริกพันธุ์การค้าของไทยให้ต้านทานต่อโรคแอนแทรกโนสและโรคไวรัสใบหงิกเหลือง เพื่อให้เกษตรได้ลดการใช้สารเคมีเพื่อป้องกันและกำจัดโรคและแมลง และเป็นการเพิ่มผลผลิตและลดต้นทุนให้แก่เกษตรกร โดยการพัฒนาพันธุ์พริกผ่านกระบวนการเรียนการสอนทั้งระดับปริญญาตรี โท และเอก ซึ่งถือได้ว่าเป็นการสร้างนักปรับปรุงพันธุ์รุ่นใหม่ ที่มีทั้งความรู้ด้านการปรับปรุงพันธุ์พืชโดยใช้วิธีมาตรฐานร่วมกับการใช้เทคโนโลยีชีวภาพ และงานวิจัยนี้ยังได้เผยแพร่สายพันธู์เพื่อให้เกษตรกร และบริษัทเมล็ดนำไปต่อยอดใช้ในเชิงพานิชย์ และช่วยเสริมความเข้มแข็งให้กับธุรกิจเมล็ดพันธุ์ของประเทศไทยได้