KMITL Expo 2026 Logo
Half Circle
นวัตกรรมทั้งหมด
ชิ้นงานKMITL Expo 2025Cluster 2025ป. ตรี โครงงานพิเศษ
ระบบ
วินิจฉัย
ดีซ่าน
อัจฉริยะ
คณะวิศวกรรมศาสตร์, วิศวกรรมชีวการแพทย์, วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมชีวการแพทย์ (หลักสูตรนานาชาติ)
ระบบวินิจฉัยดีซ่านอัจฉริยะ

เจ้าของนวัตกรรม

ณอ

นาย ณภัทร์ อัครภาณุวิทยา

นักศึกษา

Details

งานวิจัยนี้นำเสนอระบบวินิจฉัยโรคดีซ่านในทารกแบบเรียลไทม์ โดยใช้เทคนิคการประมวลผลภาพและแมชชีนเลิร์นนิงเพื่อวิเคราะห์สีผิว ช่วยเพิ่มความแม่นยำและลดข้อผิดพลาดจากการวินิจฉัยแบบดั้งเดิม

การตรวจวินิจฉัยโรคดีซ่าน ซึ่งเป็นภาวะที่พบได้ทั่วไปในทารกเนื่องจากระดับบิลิรูบินในเลือดที่สูงขึ้น มักต้องการการวินิจฉัยและการตรวจสอบอย่างรวดเร็วเพื่อป้องกันภาวะแทรกซ้อนร้ายแรง โดยเฉพาะในทารกแรกเกิด วิธีการวินิจฉัยแบบดั้งเดิมสามารถใช้เวลานานและอาจเกิดข้อผิดพลาดจากมนุษย์ได้ งานวิจัยนี้เสนอแนวทางในการตรวจวินิจฉัยโรคดีซ่านแบบเรียลไทม์โดยใช้เทคนิคการประมวลผลภาพขั้นสูงและอัลกอริทึมแมชชีนเลิร์นนิง โดยการวิเคราะห์ภาพที่ถ่ายในพื้นที่สี RGB จะมีการสกัดและประมวลผลค่าพิกเซลผ่านการปรับค่าเกณฑ์ของ Otsu และการดำเนินการทางสัณฐานวิทยาเพื่อตรวจจับรูปแบบสีที่บ่งบอกถึงโรคดีซ่าน จากนั้นตัวจำแนกจะถูกฝึกฝนเพื่อแยกแยะระหว่างภาวะปกติและภาวะดีซ่าน นำเสนอนวัตกรรมเครื่องมือวินิจฉัยที่แม่นยำและมีประสิทธิภาพ การทำงานแบบเรียลไทม์ทำให้ระบบนี้เหมาะสำหรับสถานพยาบาล โดยให้ข้อมูลเชิงลึกที่ทันเวลาแก่บุคลากรทางการแพทย์เพื่อปรับปรุงผลลัพธ์ของผู้ป่วย วิธีการที่เสนอนี้เป็นนวัตกรรมสำคัญในด้านการดูแลสุขภาพ โดยการรวมปัญญาประดิษฐ์และการถ่ายภาพทางการแพทย์เพื่อเพิ่มประสิทธิภาพในการตรวจวินิจฉัยและจัดการโรคดีซ่านได้เร็วขึ้น ลดการพึ่งพาการแทรกแซงแบบแมนนวล และปรับปรุงการให้บริการด้านสุขภาพโดยรวม

ระบบวินิจฉัยดีซ่านอัจฉริยะ

Objective

พัฒนาระบบวินิจฉัยโรคดีซ่านอัตโนมัติแบบเรียลไทม์ด้วยการประมวลผลภาพและวิเคราะห์ค่าสีผิว เพื่อเพิ่มความแม่นยำและประสิทธิภาพในการใช้งานทางคลินิก

  1. พัฒนาระบบตรวจวินิจฉัยโรคดีซ่านแบบอัตโนมัติในเวลาเรียลไทม์โดยใช้การประมวลผลภาพเพื่อระบุโรคดีซ่านจากลวดลายสีผิว
  2. สกัดและวิเคราะห์ค่าพิกเซลจากพื้นที่สี LAB และ YCbCr เพื่อแยกแยะระหว่างสีผิวปกติและสีผิวที่มีภาวะดีซ่าน
  3. ใช้เทคนิคการประมวลผลภาพเช่นการปรับค่าเกณฑ์ของ Otsu และการดำเนินการทางสัณฐานวิทยาเพื่อปรับปรุงความแม่นยำในการตรวจจับ
  4. ประเมินประสิทธิภาพของระบบในแง่ของความแม่นยำ ความเร็ว และความน่าเชื่อถือในการใช้งานทางคลินิกแบบเรียลไทม์