KMITL Expo 2026 LogoKMITL 66th Anniversary Logo

ระบบวินิจฉัยดีซ่านอัจฉริยะ

ระบบวินิจฉัยดีซ่านอัจฉริยะ

รายละเอียด

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

วัตถุประสงค์

โรคดีซ่าน ซึ่งเป็นภาวะทางการแพทย์ทั่วไปที่มีลักษณะการเหลืองของผิวหนังและดวงตา มักบ่งบอกถึงความผิดปกติของตับหรือเลือดที่อยู่เบื้องหลัง การตรวจพบในระยะเริ่มต้นมีความสำคัญอย่างยิ่ง โดยเฉพาะในทารกแรกเกิด ที่หากไม่ได้รับการรักษาโรคดีซ่าน อาจนำไปสู่ภาวะแทรกซ้อนร้ายแรงได้ วิธีการวินิจฉัยแบบดั้งเดิมต้องอาศัยการตรวจสอบด้วยสายตาหรือการทดสอบในห้องปฏิบัติการ ซึ่งอาจใช้เวลานานและมีข้อผิดพลาดได้ ความก้าวหน้าล่าสุดในด้านการประมวลผลภาพและแมชชีนเลิร์นนิงเสนอความเป็นไปได้ใหม่ ๆ สำหรับการตรวจจับที่แม่นยำ มีประสิทธิภาพ และแบบเรียลไทม์มากขึ้น ด้วยการวิเคราะห์รูปแบบสีผิว ปัญญาประดิษฐ์ (AI) สามารถทำให้การวินิจฉัยเป็นไปโดยอัตโนมัติ ทำให้รวดเร็วขึ้นและลดการพึ่งพาการประเมินโดยมนุษย์

นวัตกรรมอื่น ๆ

การพัฒนาอัลจิเนตไฮโดรเจลที่มีคาราจีแนนและเจลแลนกัมเป็นวัสดุคอมโพซิตเพื่อใช้เป็นตัวพาสำหรับนำส่งทางปาก

คณะอุตสาหกรรมอาหาร

การพัฒนาอัลจิเนตไฮโดรเจลที่มีคาราจีแนนและเจลแลนกัมเป็นวัสดุคอมโพซิตเพื่อใช้เป็นตัวพาสำหรับนำส่งทางปาก

งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาอัลจิเนตไฮโดรเจลที่เสริมด้วยคาร์ราจีแนนและเจลแลนกัม เพื่อใช้เป็นวัสดุคอมโพซิตสำหรับนำส่งสารสำคัญทางปาก อัลจิเนตเป็นพอลิเมอร์จากสาหร่ายสีน้ำตาลที่สามารถเกิดเจลเมื่อสัมผัสกับไอออนบวก เช่น แคลเซียมไอออน ซึ่งช่วยเพิ่มความแข็งแรงให้กับโครงสร้างไฮโดรเจล ขณะที่คาร์ราจีแนนและเจลแลนกัมเป็นพอลิแซ็กคาไรด์ที่ช่วยเพิ่มเสถียรภาพและความสามารถในการกักเก็บสารสำคัญ การศึกษานี้วิเคราะห์ลักษณะทางกายภาพ ความแข็งแรงของไฮโดรเจลบีดส์ ความสามารถในการกักเก็บสารสำคัญ รวมถึงพฤติกรรมการบวมภายใต้สภาวะจำลองของทางเดินอาหาร ผลการศึกษาคาดว่าการเสริมคาร์ราจีแนนและเจลแลนกัมจะช่วยเพิ่มความแข็งแรงและเสถียรภาพของไฮโดรเจลบีดส์ พร้อมทั้งควบคุมการปลดปล่อยสารสำคัญในระบบทางเดินอาหารได้อย่างมีประสิทธิภาพ ไฮโดรเจลบีดส์ที่พัฒนาขึ้นนี้มีศักยภาพในการนำไปใช้ในอุตสาหกรรมอาหารและเภสัชกรรมเพื่อการนำส่งสารสำคัญทางปาก

ลักษณะและคุณค่าทางโภชนาการของธัญพืชอัดแท่งเสริมผงไบโอแคลเซียมจากกระดูกปลากะพงขาว

คณะอุตสาหกรรมอาหาร

ลักษณะและคุณค่าทางโภชนาการของธัญพืชอัดแท่งเสริมผงไบโอแคลเซียมจากกระดูกปลากะพงขาว

ผงไบโอแคลเซียมถูกสกัดจากกระดูกปลากะพงเอเชียด้วยวิธีเสริมด้วยด่างที่ให้ความร้อนพร้อมการกำจัดไขมันและการฟอกสี ธัญพืชอัดแท่ง (CBs) ได้รับการเสริมด้วยไบโอแคลเซียมที่ผลิตขึ้นใน 3 ระดับ: (1) แคลเซียมที่เพิ่มขึ้น (IS-Ca; แคลเซียม ≥10% RDI ของไทย), (2) แหล่งแคลเซียมที่ดี (GS-Ca; แคลเซียม ≥15% RDI ของไทย) และ (3) แคลเซียมสูง (H-Ca; แคลเซียม ≥30% RDI ของไทย) ซึ่งสอดคล้องกับประกาศกระทรวงสาธารณสุขของประเทศไทย: ฉบับที่ 445; การเรียกร้องคุณค่าทางโภชนาการที่ออกในปี พ.ศ. 2566 วัดปริมาณความชื้น แอคติวิตี้ของน้ำ สี ปริมาณแคลเซียม และการวิเคราะห์ FTIR ของผงไบโอแคลเซียม ขนาด สี แอคติวิตี้ของน้ำ ค่า pH และเนื้อสัมผัสของ CBs ที่เสริมได้รับการกำหนด ไบโอแคลเซียมที่ผลิตได้สามารถจำแนกได้ว่าเป็นอาหารแห้งที่มีสีเหลืองอ่อนอมขาว ปริมาณแคลเซียมในผงแคลเซียมชีวภาพอยู่ที่ 23.4% (w/w) ขนาด น้ำหนัก และสี ยกเว้นค่า b* และ ΔE* ของ CB ที่เสริมสารไม่แตกต่างกัน (P > 0.05) จาก CB ในกลุ่มควบคุม การเสริมสารแคลเซียมชีวภาพทำให้ CB มีเนื้อสัมผัสที่แข็งขึ้น การเพิ่มปริมาณแคลเซียมชีวภาพที่เสริมสารทำให้คาร์โบไฮเดรตและไขมันลดลง แต่โปรตีน เถ้า และแคลเซียมใน CB ที่เสริมสารเพิ่มขึ้น อายุการเก็บรักษาของ CB จะสั้นลงโดยการเสริมผงแคลเซียมชีวภาพเนื่องจากความชื้น กิจกรรมของน้ำ และค่า pH ที่เพิ่มขึ้น ผลผลิตของ CB ชีวภาพอยู่ที่ 40.30% ต้นทุนการผลิตแคลเซียมชีวภาพอยู่ที่ประมาณ 7,416 Bth/kg ในขณะที่ต้นทุนของ CB ที่เสริมสารเพิ่มขึ้นเกือบ 2-3 เท่าเมื่อเทียบกับกลุ่มควบคุม ปริมาณแคลเซียมในธัญพืชอัดแท่งที่มีแคลเซียมสูง (IS-Ca) (921.12 มก./100 ก.) แคลเซียมสูง (GS-Ca) (1,287.10 มก./100 ก.) และแคลเซียมสูง (H-Ca) (2,639.70 มก./100 ก.) สามารถอ้างได้ว่าเป็นแหล่งแคลเซียมที่ดี และแคลเซียมสูงตามลำดับ สรุปได้ว่าการผลิตธัญพืชอัดแท่งที่เสริมด้วยผงแคลเซียมจากกระดูกปลากะพงขาวเป็นอาหารเสริมนั้นเป็นไปได้ อย่างไรก็ตาม จำเป็นต้องตรวจสอบสารเคมีอันตรายที่เหลืออยู่ในผงแคลเซียมก่อนนำไปใช้ในผลิตภัณฑ์อาหาร และควรวิเคราะห์ความสามารถในการดูดซึมแคลเซียม การยอมรับทางประสาทสัมผัส และอายุการเก็บรักษาของผลิตภัณฑ์ที่พัฒนาขึ้นในการศึกษาเพิ่มเติม

การเพิ่มประสิทธิภาพกระบวนการผลิต Hydrogen Manufacturing (HMU-2) และ Pressure Swing Adsorption (PSA-3)

คณะวิศวกรรมศาสตร์

การเพิ่มประสิทธิภาพกระบวนการผลิต Hydrogen Manufacturing (HMU-2) และ Pressure Swing Adsorption (PSA-3)

โครงการสหกิจนี้มีวัตถุประสงค์เพื่อปรับปรุงประสิทธิภาพกระบวนการผลิต Hydrogen Manufacturing Unit 2 (HMU-2) และ Pressure Swing Adsorption 3 (PSA-3) โดยการใช้แบบจำลองกระบวนการ AVEVA Pro/II และ แบบจำลอง Machine Learning เพื่อจำลองกระบวนการ ผลการศึกษาพบว่า แบบจำลอง AVEVA Pro/II สามารถทำนายผลลัพธ์ โดยมีความคลาดเคลื่อนอยู่ในช่วง 0–35% มีความคลาดเคลื่อนของอัตราการไหลของไฮโดรเจนจากหน่วย PSA สูงถึง 12% เกินเกณฑ์ 10% ที่บริษัทยอมรับได้ จึงได้พัฒนาแบบจำลอง Machine Learning โดยการปรับไฮเปอร์พารามิเตอร์ของอัลกอริทึมแบบ Random Forest ผลการศึกษาพบว่าแบบจำลองมีความแม่นยำสูง มีค่า Mean Squared Error (MSE) มีค่า 8.48 และ 0.18 สำหรับข้อมูลกระบวนการ และ ข้อมูลห้องปฏิบัติการ และ R-squared มีค่า 0.98 และ 0.88 สำหรับข้อมูลชุดเดียวกัน และพบว่าสามารถทำนายผลลัพธ์ได้แม่นยำกว่าแบบจำลอง AVEVA Pro/II ในทุกๆ ตัวแปร สามารถลดความคลาดเคลื่อนของอัตราการไหลของไฮโดรเจนจากหน่วย PSA เหลือเพียง 4.75 และ 1.35% สำหรับอัตราการผลิต 180 และ 220 ตันต่อวันตามลำดับ จึงได้นำแบบจำลองมาทำการ Optimization ตัวแปรกระบวนการ พบว่าสามารถให้ข้อแนะนำในการปรับค่าตัวแปรต่างๆ ได้ โดยสามารถเพิ่มผลผลิตไฮโดรเจนได้ 7.8 ตันต่อวัน และสร้างผลกำไรเพิ่มขึ้น 850,966.23 บาทต่อปี