MVIT Research LAB

"Custommade Nasal Splint” เครื่องมือสำหรับการสร้างโมเดลสามมิติของเฝือกจมูกจากภาพถ่ายแบบกำหนดเองสำหรับผู้ป่วยรายกรณี พัฒนาโดย Machine Vision and Information Transfer Research Lab มหาวิทยาลัยมหิดล
หนึ่งใน Use Case ของ OJT ของโครงการ AISaMD-WDP
มาร่วมเป็นส่วนหนึ่งในการขับเคลื่อนและยกระดับวงการแพทย์ไทยไปกับเราครับ

🚀 เปิดตัว Use Case ที่สามจากโครงการ AISaMD-WDP “Custommade Nasal Splint” เครื่องมือสำหรับการสร้างโมเดลสามมิติของเฝือกจมูกจากภาพถ่ายแบบกำหนดเองสำหรับผู้ป่วยรายกรณี พัฒนาโดย Machine Vision and Information Transfer Research Lab มหาวิทยาลัยมหิดล ซึ่งเป็นหนึ่งใน Use Case ของ OJT ของโครงการ AISaMD-WDP มาร่วมเป็นส่วนหนึ่งในการขับเคลื่อนและยกระดับวงการแพทย์ไทยไปกับเรา ติดตามข่าวสารเพิ่มเติม Facebook: https://www.facebook.com/AISaMDwdp/ Website: https://aisamd-wdp.org/ #AISaMD #AISaMD_WDP #AIThailand #HealthTech #NewSCurve

ICT/CS alumni get a 40% tuition fee discount when applying for our PhD program, or a 30% discount for your children's tuition!

พบกับผลงานตีพิมพ์ของนักศึกษาICTฝึกงานภาคฤดูร้อนที่AISTญี่ปุ่นในเรื่อง Practical Aspects of Edge-Cloud Platform for Health and Wellbeing

การเพิ่มประสิทธิภาพระบบ IoT เพื่อสุขภาพด้วย Edge-Cloud ที่ช่วยลดภาระการประมวลผลบนคลาวด์และตรวจจับความผิดปกติได้แบบเรียลไทม์

Optimizing health-tech with Edge-Cloud: Reducing redundant processing and leveraging AWS Rekognition for real-time well-being insights.



Punyanuch Borwarnginn, Kanisorn Sa-Nguansook, Natchaya Thongpakdee, Nattapon Lertkijroongreung, Worapan Kusakunniran, Jason Haga

Published in: 2025 9th International Conference on Information Technology (InCIT)

https://doi.org/10.1109/InCIT66780.2025.11276056

ผลงานนี้ศึกษาและเปรียบเทียบการออกแบบ Edge-Cloud Platform เพื่อจัดการข้อมูล IoT ทั้งแบบข้อความและรูปภาพ โดยผลการทดสอบประสิทธิภาพดีเนื่องจากลดความซับซ้อนของระบบ (Complexity) และการประมวลผลที่ซ้ำซ้อน โดยเลือกใช้ AWS Lambda วิเคราะห์ข้อมูลเพียงครั้งเดียวตอนรับข้อมูลเข้า แทนที่จะวิเคราะห์ทุกครั้งที่มีการเรียกดูผ่าน React App แบบในอีกรูปแบบหนึ่ง นอกจากนี้ยังมีการใช้ AWS Rekognition มาช่วยวิเคราะห์ใบหน้าเพื่อตรวจจับอารมณ์หรือความผิดปกติทางสุขภาพได้ทันทีโดยไม่ต้องเทรนโมเดลเอง ซึ่งในอนาคตทีมวิจัยมีแผนจะขยับไปสู่ระบบ Edge Computing เต็มตัว โดยการย้ายการประมวลผลไปไว้ที่อุปกรณ์ IoT เพื่อลดเวลาในการส่งข้อมูล (Latency) และเพิ่มความสามารถในการวิเคราะห์ที่ซับซ้อนยิ่งขึ้น

Edge-Cloud Platform for Health and Wellbeing
The study explores the optimization of IoT data pipelines by comparing two cloud architectures for health monitoring, where the Architecture proved by processing alphanumeric data once via AWS Lambda upon ingestion rather than repeatedly during user fetches, significantly reducing latency and redundant compute costs. For image-based analytics, the researchers leveraged AWS Rekognition to successfully identify facial characteristics without custom model training, demonstrating a "cloud-first" approach to emotion and anomaly detection. The project highlights a transition toward Edge Computing in future iterations, aiming to shift processing to IoT devices to minimize data transmission overhead and implement customized ML algorithms for more sophisticated, real-time wellbeing insights.

Student Protests poster exhibition, The 2026 17th ICT Senior Project Annual Poster Exhibition and Conference (ICT SP-APEC2026)
2 projects from the MVIT Lab
🐶 Senior Project: Dog detection and Identification System
Jinnipa, Nichakul and Bhurinat
🫐 Senior Project: Mangosteen Grading System
Suppakorn, Patiparn and Paranee

MVIT LAb in MEDTECH CO-CREATION LAB at True Digital Park, Grand Hall. 26 February 2026.
Project: Automatic Tool For Creating Custom 3D Models Of Nasal Splints For Individual Case

คณะแพทยศาสตร์ศิริราชพยาบาล มหาวิทยาลัยมหิดล โดยภาควิชารังสีวิทยา ได้เริ่มพัฒนาโปรแกรมการอ่านผลภาพ x-ray ปอด ด้วยเทคโนโลยีปัญญาประดิษฐ์ (AI) ตั้งแต่ช่วงการระบาดของไวรัส covid-19 เพื่อช่วยเพิ่มประสิทธิภาพในการดูแลผู้ป่วยที่มีเป็นจำนวนมาก และได้พัฒนาอย่างต่อเนื่องมาจนถึงปัจจุบัน ซึ่งโปรแกรมที่ศิริราชพัฒนาขึ้นได้รับการรับรองจากราชวิทยาลัยรังสีแพทย์แห่งประเทศไทยว่ามีความถูกต้องแม่นยำมากกว่า 95% เทียบเท่าการอ่านผลโดยผู้เชี่ยวชาญ จนถึงปัจจุบันมีการใช้งานในผู้ป่วยไปแล้วมากกว่า 500,000 ราย โดยใช้เวลาในการรายงานผลน้อยกว่า 10 วินาที/ราย และศิริราชได้ส่งต่อเทคโนโลยีนี้ไปยังโรงพยาบาลต่าง ๆ ในสังกัดกระทรวงสาธารณสุขทั่วประเทศมากกว่า 145 แห่ง และคาดว่าจะครอบคลุมถึง 450 แห่งในปี 2569 นี้
หลังจากประสบความสำเร็จในการใช้เทคโนโลยีปัญญาประดิษฐ์ช่วยอ่านผลภาพ x-ray ปอด ศิริราชได้เดินหน้าในการใช้เทคโนโลยีนี้ในการช่วยอ่านผลภาพเอ็กซเรย์คอมพิวเตอร์ (CT scan) ของสมองและเต้านม (แมมโมแกรม) โดยทำความร่วมมือกับหน่วยงานเอกชนที่มีความเชี่ยวชาญเพื่อร่วมกันสร้าง AI ที่เข้าใจโครงสร้างของเต้านมผู้หญิงชาวเอเชีย ซึ่งจะสามารถสร้างสุขภาพที่ดีให้กับประชาชนคนไทยได้มากขึ้น
ติดตามความก้าวหน้าของศิริราชในการนำเทคโนโลยีปัญญาประดิษฐ์มาใช้ประโยชน์ทางการแพทย์ในด้านอื่น ๆ ได้ที่นี่ sirirajpr ในทุกแพลตฟอร์ม
#ศิริราชทำด้วยใจ #เพื่อคนไทยสุขภาพดี
#ปัญญาประดิษฐ์