Digital Commons Network^™

Data Mining Pipeline For Covid-19 Vaccine Safety Analysis Using A Large Electronic Health Record, Yan Huang, Xiaojin Li, Deepa Dongarwar, Hulin Wu, Guo-Qiang Zhang

Faculty, Staff and Student Publications

We developed a novel data mining pipeline that automatically extracts potential COVID-19 vaccine-related adverse events from a large Electronic Health Record (EHR) dataset. We applied this pipeline to Optum® de-identified COVID-19 EHR dataset containing COVID-19 vaccine records between December 11, 2020 and January 20, 2022. We compared post-vaccination diagnoses between the COVID-19 vaccine group and the influenza vaccine group among 553,682 individuals without COVID-19 infection. We extracted 1,414 ICD-10 diagnosis categories (first three ICD10 digits) within 180 days after the first dose of the COVID-19 vaccine. We then ranked the diagnosis codes using the adverse event rates and adjusted odds …

Machine Learning-Based Prediction Of Acute Mortality In Emergency Department Patients Using Twelve-Lead Electrocardiogram, Po-Cheng Chang, Zhi-Yong Liu, Yu-Chang Huang, Yu-Chun Hsu, Jung-Sheng Chen, Ching-Heng Lin, Richard Tsai, Chung-Chuan Chou, Ming-Shien Wen, Hung-Ta Wo, Wen-Chen Lee, Hao-Tien Liu, Chun-Chieh Wang, Chang-Fu Kuo

Faculty, Staff and Student Publications

BACKGROUND: The risk of mortality is relatively high among patients who visit the emergency department (ED), and stratifying patients at high risk can help improve medical care. This study aimed to create a machine-learning model that utilizes the standard 12-lead ECG to forecast acute mortality risk in ED patients.

METHODS: The database included patients who visited the EDs and underwent standard 12-lead ECG between October 2007 and December 2017. A convolutional neural network (CNN) ECG model was developed to classify survival and mortality using 12-lead ECG tracings acquired from 345,593 ED patients. For machine learning model development, the patients were …

Artificial Intelligence-Enabled Electrocardiographic Screening For Left Ventricular Systolic Dysfunction And Mortality Risk Prediction, Yu-Chang Huang, Yu-Chun Hsu, Zhi-Yong Liu, Ching-Heng Lin, Richard Tsai, Jung-Sheng Chen, Po-Cheng Chang, Hao-Tien Liu, Wen-Chen Lee, Hung-Ta Wo, Chung-Chuan Chou, Chun-Chieh Wang, Ming-Shien Wen, Chang-Fu Kuo

Faculty, Staff and Student Publications

BACKGROUND: Left ventricular systolic dysfunction (LVSD) characterized by a reduced left ventricular ejection fraction (LVEF) is associated with adverse patient outcomes. We aimed to build a deep neural network (DNN)-based model using standard 12-lead electrocardiogram (ECG) to screen for LVSD and stratify patient prognosis.

METHODS: This retrospective chart review study was conducted using data from consecutive adults who underwent ECG examinations at Chang Gung Memorial Hospital in Taiwan between October 2007 and December 2019. DNN models were developed to recognize LVSD, defined as LVEF

RESULTS: The mean age of patients in the testing dataset was 63.7 ± 16.3 years (46.3% …

Efficient Federated Kinship Relationship Identification, Xinyue Wang, Leonard Dervishi, Wentao Li, Xiaoqian Jiang, Erman Ayday, Jaideep Vaidya

Faculty, Staff and Student Publications

Kinship relationship estimation plays a significant role in today's genome studies. Since genetic data are mostly stored and protected in different silos, retrieving the desirable kinship relationships across federated data warehouses is a non-trivial problem. The ability to identify and connect related individuals is important for both research and clinical applications. In this work, we propose a new privacy-preserving kinship relationship estimation framework: Incremental Update Kinship Identification (INK). The proposed framework includes three key components that allow us to control the balance between privacy and accuracy (of kinship estimation): an incremental process coupled with the use of auxiliary information and …

Towards Fair Patient-Trial Matching Via Patient-Criterion Level Fairness Constraint, Chia-Yuan Chang, Jiayi Yuan, Sirui Ding, Qiaoyu Tan, Kai Zhang, Xiaoqian Jiang, Xia Hu, Na Zou

Faculty, Staff and Student Publications

Clinical trials are indispensable in developing new treatments, but they face obstacles in patient recruitment and retention, hindering the enrollment of necessary participants. To tackle these challenges, deep learning frameworks have been created to match patients to trials. These frameworks calculate the similarity between patients and clinical trial eligibility criteria, considering the discrepancy between inclusion and exclusion criteria. Recent studies have shown that these frameworks outperform earlier approaches. However, deep learning models may raise fairness issues in patient-trial matching when certain sensitive groups of individuals are underrepresented in clinical trials, leading to incomplete or inaccurate data and potential harm. To …

Large Language Models For Healthcare Data Augmentation: An Example On Patient-Trial Matching, Jiayi Yuan, Ruixiang Tang, Xiaoqian Jiang, Xia Hu

Faculty, Staff and Student Publications

The process of matching patients with suitable clinical trials is essential for advancing medical research and providing optimal care. However, current approaches face challenges such as data standardization, ethical considerations, and a lack of interoperability between Electronic Health Records (EHRs) and clinical trial criteria. In this paper, we explore the potential of large language models (LLMs) to address these challenges by leveraging their advanced natural language generation capabilities to improve compatibility between EHRs and clinical trial descriptions. We propose an innovative privacy-aware data augmentation approach for LLM-based patient-trial matching (LLM-PTM), which balances the benefits of LLMs while ensuring the security …

Split Learning For Distributed Collaborative Training Of Deep Learning Models In Health Informatics, Zhuohang Li, Chao Yan, Xinmeng Zhang, Gharib Gharibi, Zhijun Yin, Xiaoqian Jiang, Bradley A Malin

Faculty, Staff and Student Publications

Deep learning continues to rapidly evolve and is now demonstrating remarkable potential for numerous medical prediction tasks. However, realizing deep learning models that generalize across healthcare organizations is challenging. This is due, in part, to the inherent siloed nature of these organizations and patient privacy requirements. To address this problem, we illustrate how split learning can enable collaborative training of deep learning models across disparate and privately maintained health datasets, while keeping the original records and model parameters private. We introduce a new privacy-preserving distributed learning framework that offers a higher level of privacy compared to conventional federated learning. We …

Integrating Comorbidity Knowledge For Alzheimer's Disease Drug Repurposing Using Multi-Task Graph Neural Network, Ko-Hong Lin, Kang-Lin Hsieh, Xiaoqian Jiang, Yejin Kim

Faculty, Staff and Student Publications

Alzheimer's Disease (AD) is a multifactorial disease that shares common etiologies with its multiple comorbidities, especially vascular diseases. To predict repurposable drugs for AD utilizing the relatively well-investigated comorbidities' knowledge, we proposed a multi-task graph neural network (GNN)-based pipeline that incorporates the corresponding biomedical interactome of these diseases with their genetic markers and effective therapeutics. Our pipeline can accurately capture the interactions and disease classification in the network. Next, we predicted drugs that might interact with the AD module by the node embedding similarity. Our candidates are mostly BBB permeable, and literature evidence showed their potential for treating AD pathologies, …

Local Contrastive Learning For Medical Image Recognition, Syed A Rizvi, Ruixiang Tang, Xiaoqian Jiang, Xiaotian Ma, Xia Hu

Faculty, Staff and Student Publications

The proliferation of Deep Learning (DL)-based methods for radiographic image analysis has created a great demand for expert-labeled radiology data. Recent self-supervised frameworks have alleviated the need for expert labeling by obtaining supervision from associated radiology reports. These frameworks, however, struggle to distinguish the subtle differences between different pathologies in medical images. Additionally, many of them do not provide interpretation between image regions and text, making it difficult for radiologists to assess model predictions. In this work, we propose Local Region Contrastive Learning (LRCLR), a flexible fine-tuning framework that adds layers for significant image region selection as well as cross-modality …

Federated Learning Based Futuristic Biomedical Big-Data Analysis And Standardization, Afifa Salsabil Fathima, Syed Muzamil Basha, Syed Thouheed Ahmed, Sandeep Kumar Mathivanan, Sukumar Rajendran, Saurav Mallik, Zhongming Zhao

Faculty, Staff and Student Publications

Medical data processing and analytics exert significant influence in furnishing dependable decision support for prospective biomedical applications. Given the sensitive nature of medical data, specialized techniques and frameworks tailored for application-centric processing are imperative. This article presents a conceptualization for the analysis and uniformitarian of datasets through the implementation of Federated Learning (FL). The realm of medical big data stems from diverse origins, necessitating the delineation of data provenance and attribute paradigms to facilitate feature extraction and dependency assessment. The architecture governing the data collection framework is intricately linked to remote data transmission, thereby engendering efficient customization oversight. The operational …

Accurate Prediction Of Functional Effect Of Single Amino Acid Variants With Deep Learning, Houssemeddine Derbel, Zhongming Zhao, Qian Liu

Faculty, Staff and Student Publications

The assessment of functional effect of amino acid variants is a critical biological problem in proteomics for clinical medicine and protein engineering. Although natively occurring variants offer insights into deleterious variants, high-throughput deep mutational experiments enable comprehensive investigation of amino acid variants for a given protein. However, these mutational experiments are too expensive to dissect millions of variants on thousands of proteins. Thus, computational approaches have been proposed, but they heavily rely on hand-crafted evolutionary conservation, limiting their accuracy. Recent advancement in transformers provides a promising solution to precisely estimate the functional effects of protein variants on high-throughput experimental data. …

Optimal Ranking And Directional Signature Classification Using The Integral Strategy Of Multi-Objective Optimization-Based Association Rule Mining Of Multi-Omics Data, Saurav Mallik, Soumita Seth, Amalendu Si, Tapas Bhadra, Zhongming Zhao

Faculty, Staff and Student Publications

No abstract provided.

3pnmf-Mkl: A Non-Negative Matrix Factorization-Based Multiple Kernel Learning Method For Multi-Modal Data Integration And Its Application To Gene Signature Detection\, Saurav Mallik, Anasua Sarkar, Sagnik Nath, Ujjwal Maulik, Supantha Das, Soumen Kumar Pati, Soumadip Ghosh, Zhongming Zhao

Faculty, Staff and Student Publications

In this current era, biomedical big data handling is a challenging task. Interestingly, the integration of multi-modal data, followed by significant feature mining (gene signature detection), becomes a daunting task. Remembering this, here, we proposed a novel framework, namely, three-factor penalized, non-negative matrix factorization-based multiple kernel learning with soft margin hinge loss (3PNMF-MKL) for multi-modal data integration, followed by gene signature detection. In brief, limma, employing the empirical Bayes statistics, was initially applied to each individual molecular profile, and the statistically significant features were extracted, which was followed by the three-factor penalized non-negative matrix factorization method used for data/matrix fusion …

Learning A Healthy Rhythm: An Intervention To Increase Children’S Resources For Stress Management, Kristin Haglund, Amanda L. King, Abir K. Bekhet, Mauricio Garnier-Villarreal, Karen Olson, Rashs Atshan, Angela Ortiz, Johanna De Los Santos, Ruth Ann Belknap

College of Nursing Faculty Research and Publications

This article describes a pilot test of a community engaged, culturally relevant, arts-based intervention. The purpose was to increase children’s personal protective buffering resources. Protective buffering resources help children cope with stressful stimuli, reduce activation of their systemic stress response, mitigate allostatic load, and promote optimal health. The “Learning a Healthy Rhythm” intervention included a stress management component and an ongoing Afro-Latino percussion program for 18 children ages 9–11. The stress management component included educational content about stress, self-assessment of stress symptoms, and stress management techniques. A mixed-method intervention evaluation design was used. Qualitative data, quantitative data, and biometrics including …

Theoretical Substruction Of Resilience Theory: Dementia Caregivers' Burden And Their Care Recipients' Behavior, Abir K. Bekhet

College of Nursing Faculty Research and Publications

Theoretical substruction is vital in clarifying models and guiding research. In this article, the process of theoretical substruction was examined through resilience theory to provide an example of the congruence between theoretical and operational definitions in nursing research. The author examines the significance of resilience theory in the context of dementia caregivers’ burden and their care recipients’ behavioral problems. The steps of theoretical substruction are included, and a model of resilience is presented that includes middle-range concepts, relational statements, and propositions derived from the research literature. The rigorous process of theoretical substruction provides an example of a theoretically sound basis …

A Comparison Of Two Hormonal Fertility Monitoring Systems For Ovulation Detection: A Pilot Study, Qiyan Mu, Richard J. Fehring

College of Nursing Faculty Research and Publications

Background and Objectives: Accuracy in detecting ovulation and estimating the fertile window in the menstrual cycle is essential for women to avoid or achieve pregnancy. There has been a rapid growth in fertility apps and home ovulation testing kits in recent years. Nevertheless, there lacks information on how well these apps perform in helping users understand their fertility in the menstrual cycle. This pilot study aimed to evaluate and compare the beginning, peak, and length of the fertile window as determined by a new luteinizing hormone (LH) fertility tracking app with the Clearblue Fertility Monitor (CBFM).

Materials and Methods: A …

ผลของสารสกัดสมุนไพรที่มีเห็ดกระถินพิมาน Phellinus Linteus เป็นองค์ประกอบร่วมกับซิสพลาตินต่อการมีชีวิตของเซลล์ วัฏจักรของเซลล์ อะพอพโทซิส และการแสดงออกของยีนในเซลล์มะเร็งปากมดลูก, พิลาสลักษณ์ ปานสุข

Chulalongkorn University Theses and Dissertations (Chula ETD)

มะเร็งปากมดลูกสามารถรักษาได้ด้วยเคมีบำบัดโดยใช้สารซิสพลาติน ซึ่งให้ผลข้างเคียงหลายประการ ในการรักษาทางการแพทย์แผนโบราณมีการใช้เห็ดกระถินพิมาน (Phellinus linteus) รักษาโรคมะเร็ง ซึ่งเห็ดชนิดนี้มีประสิทธิภาพในการยับยั้งเซลล์มะเร็งและส่งเสริมการตอบสนองของระบบภูมิคุ้มกัน การศึกษานี้มีวัตถุประสงค์เพื่อศึกษาผลของสารสกัดสมุนไพรที่มีเห็ดกระถินพิมานเป็นองค์ประกอบร่วมกับซิสพลาตินต่อการมีชีวิตของเซลล์วัฏจักรของเซลล์ และอะพอพโทซิสและการแสดงออกของยีน MKI67 และ CDK7 ของเซลล์มะเร็งปากมดลูก C33a และ SiHa เพื่อลดผลข้างเคียงของเคมีบำบัดของสารซิสพลาติน การทดสอบการรอดชีวิตของเซลล์ในเซลล์มะเร็งปากมดลูกด้วยวิธี MTT assay ทำให้ได้ค่าความเข้มข้นของสารสกัดสมุนไพรและซิสพลาตินที่ความเข้มข้น IC50 จากนั้นนำค่าความเข้มข้น IC50 ของสารสกัดสมุนไพรในแต่ละเซลล์ที่ได้มาใช้ร่วมกับซิสพลาติน โดยทำการลดค่าความเข้มข้นให้ต่ำลงจากค่าความเข้มข้น IC50 ผลพบว่าการใช้สารสกัดสมุนไพรและสารซิสพลาตินร่วมกันในเซลล์ C33a และ SiHa ช่วยลดปริมาณการใช้สารซิสพลาตินลง 6 – 12 เท่า และ 8 – 26 เท่า จากความเข้มข้นที่ IC50 ของสารซิสพลาติน ตามลำดับ สำหรับการทดสอบพอพโทซิสของเซลล์มะเร็ง ผลพบว่าสารสกัดสมุนไพร สารซิส-พลาติน และสารสกัดสมุนไพรร่วมกับซิสพลาตินมีการเหนี่ยวนำให้เซลล์ C33a และ SiHa เกิดการตายผ่านกลไกอะพอพโทซิส จึงทำให้เซลล์มีการสะสมอยู่ในระยะ early apoptosis และ late apoptosis ในการศึกษาวัฏจักรของเซลล์มะเร็งพบว่าสารสกัดสมุนไพรร่วมกับซิสพลาตินที่มีการเหนี่ยวนำให้เกิดการหยุดของวัฏจักรของเซลล์ที่ระยะ G2 ของเซลล์ C33a และ SiHa แต่ผลการแสดงออกของยีน MKI67 และ CDK7 ไม่ได้เป็นไปในทางเดียวกันกับผลการศึกษาข้างต้น จึงคาดว่าอาจมีการควบคุมผ่านเส้นทางอื่น อย่างไรก็ตามยังคงต้องทำการศึกษาเพิ่มเติมเพื่อค้นหากลไกการออกฤทธิ์ของสารสกัดสมุนไพรเมื่อใช้ร่วมกับซิสพลาตินต่อไป

การพัฒนากรอบแนวคิดในการประยุกต์ใช้เทคโนโลยีความเป็นจริงแบบผสมร่วมกับปัญญาประดิษฐ์เพื่อตรวจสอบคุณภาพการติดตั้งอุปกรณ์งานระบบบนแบบจำลองกรณีศึกษาผนังคอนกรีตสำเร็จรูป, จริวัฒน์ เตียวัฒนานนท์

Chulalongkorn University Theses and Dissertations (Chula ETD)

การก่อสร้างแผ่นผนังคอนกรีตสำเร็จรูปส่วนใหญ่จำเป็นต้องติดตั้งชุดงานระบบ (เครื่องกล, ไฟฟ้า, และสุขาภิบาล) ซึ่งถูกฝังภายในผนังคอนกรีตสำเร็จรูประหว่างกระบวนการผลิต ดังนั้นการติดตั้งงานระบบอย่างถูกต้องมีคุณภาพดีส่งผลให้ระบบสามารถทำงานได้อย่างมีประสิทธิภาพ อย่างไรก็ตามการติดตั้งงานระบบด้วยคนงานยังคงก่อให้เกิดปัญหาจากความไม่ชำนาญหรือประสบการณ์ของคนงานในการเลือกอุปกรณ์และตำแหน่งของการวางชิ้นงาน งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนากรอบแนวคิดในการตรวจสอบคุณภาพของการติดตั้งชิ้นส่วนงานระบบในแผ่นผนังคอนกรีตโดยประยุกต์ใช้เทคโนโลยีปัญญาประดิษฐ์ร่วมกับเทคโนโลยีโลกเสมือนจริง ระบบตรวจสอบจะแบ่งออกเป็น 2 ส่วนหลัก คือระบบตรวจสอบชนิดของวัสดุงานระบบและระบบตรวจสอบตำแหน่งและลำดับการติดตั้งวัสดุงานระบบ โดยงานวิจัยมีขั้นตอนการพัฒนาระบบดังนี้ การปรับแต่งโมเดลปัญญาประดิษฐ์ด้วย Mask R-CNN, การประมวลผลรูปภาพด้วย Instant Segmentation, การพัฒนาระบบสำหรับปฏิบัติการบนเครื่อง Microsoft HoloLens, การพัฒนาระบบโอนถ่ายข้อมูลด้วย Restful API และทดสอบระบบการติดตั้งชิ้นส่วนงานระบบบนโมเดลกรณีศึกษา ผลวิจัยแสดงให้เห็นว่าระบบสามารถตรวจสอบการติดตั้งระบบบนโมเดลกรณีศึกษาแผ่นผนังคอนกรีตสำเร็จรูปโดยใช้เทคโนโลยีความจริงเสมือนแบบผสมร่วมกับโมเดลปัญญาประดิษฐ์ Modified Mask R-CNN โดยการทดสอบกำหนดเกณฑ์ผ่านคือ ค่าความเชื่อมั่นที่มากกว่า 80% สำหรับการตรวจสอบชนิดวัสดุ และเกณฑ์ผ่านสำหรับการตรวจสอบตำแหน่งและลำดับการติดตั้งวัสดุคือ ค่าความคล้ายกันมากกว่า 80% โดยการตรวจสอบในแต่ละขั้นตอนใช้ระยะเวลาอยู่ที่ 15-25 วินาที และมีความคลาดเคลื่อนเฉลี่ยสำหรับแสดงผลโมเดลสามมิติน้อยกว่า 0.5 เซนติเมตร

การประเมินก๊าซเรือนกระจกระดับเมืองและศักยภาพการลดก๊าซเรือนกระจกเพื่อเข้าสู่ความเป็นกลางทางคาร์บอน กรณีศึกษา จังหวัดสระแก้ว, จิรัชญา จิตรจารุวงศ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาการปล่อยก๊าซเรือนกระจกของจังหวัดสระแก้ว ในปี พ.ศ.2560-2564 ครอบคลุมกิจกรรม 5 ภาคส่วน ได้แก่ ภาคพลังงาน ภาคขนส่ง ภาคของเสีย ภาคอุตสาหกรรม และภาคการเกษตร และคาดการณ์ปริมาณการปล่อยก๊าซเรือนกระจกของจังหวัดสระแก้วในปี พ.ศ.2593 เพื่อนําเสนอมาตรการและศักยภาพการลดก๊าซเรือนกระจก และนำเสนอแนวทางเพื่อเปลี่ยนผ่านสู่ความเป็นกลางทางคาร์บอนในปี พ.ศ.2593 จากผลการศึกษาพบว่า ปริมาณการปล่อยก๊าซเรือนกระจกของจังหวัดสระแก้วในปีฐานคือ พ.ศ.2562 เท่ากับ 1,248,722 ตันคาร์บอนไดออกไซด์เทียบเท่า (2.21 ตันคาร์บอนไดออกไซด์เทียบเท่า/คน/ปี) กลุ่มกิจกรรมที่ปล่อยก๊าซเรือนกระจกมากที่สุดคือภาคพลังงาน คิดเป็นร้อยละ 42.17 รองลงมาคือภาคขนส่ง ร้อยละ 28.53 ภาคเกษตร ป่าไม้ และการใช้ประโยชน์ที่ดิน ร้อยละ 15.06 และภาคการจัดการของเสีย ร้อยละ 14.24 ผลการคาดการณ์การปล่อยก๊าซเรือนกระจกในปี พ.ศ.2593 ของจังหวัดสระแก้วเท่ากับ 1,462,231 ตันคาร์บอนไดออกไซด์เทียบเท่า ในกรณีที่จังหวัดสระแก้วดำเนินการตามมาตรการที่มีศักยภาพตามแผนการลดก๊าซเรือนกระจกของประเทศจะลดก๊าซเรือนกระจกได้ 1,119,718 ตันคาร์บอนไดออกไซด์เทียบเท่า และมีศักยภาพการดูดกลับก๊าซเรือนกระจกจากการเพิ่มพื้นที่ป่าไม้ได้ 217,371 ตันคาร์บอนไดออกไซด์เทียบเท่า หากจังหวัดสระแก้วต้องการเปลี่ยนผ่านสู่ความเป็นกลางทางคาร์บอนในปี พ.ศ.2593 จะต้องดำเนินการมาตรการคาร์บอนต่ำอย่างเข้มข้นเพิ่มเติม เพื่อลดก๊าซเรือนกระจกลงอีก 320,718 ตันคาร์บอนไดออกไซด์เทียบเท่า โดยเพิ่มสัดส่วนการใช้พลังงานทดแทน นโยบายรถยนต์ปล่อยมลพิษเป็นศูนย์ ร่วมกับการสนับสนุนการใช้พลังงานไฮโดรเจนเป็นเชื้อเพลิง การติดตั้งระบบบำบัดน้ำเสียรวมชุมชน การติดตั้งตัวดักจับและกักเก็บคาร์บอนจากโรงไฟฟ้าพลังงานขยะ การหมุนเวียนของเสียกลับมาใช้ประโยชน์ การทำเกษตรอินทรีย์/เกษตรอัจฉริยะ และการทำปศุสัตว์สีเขียว มาตรการเหล่านี้จะช่วยให้จังหวัดสระแก้วลดการปล่อยก๊าซเรือนกระจก ไปจนถึงการปล่อยก๊าซเรือนกระจกเป็นศูนย์ ซึ่งจะทำให้จังหวัดสระแก้วสามารถบรรลุได้ตามเป้าหมายของประเทศ

การประยุกต์ใช้เทคโนโลยีคอมพิวเตอร์วิทัศน์เพื่อหาอัตราการทำงานในงานก่อสร้าง : กรณีศึกษางานก่ออิฐ, ณัฐนนท์ คุณวิเศษกุล

Chulalongkorn University Theses and Dissertations (Chula ETD)

ในปัจจุบันข้อมูลอัตราการทำงานในงานก่อสร้างใช้การเก็บข้อมูลโดยเจ้าหน้าที่ซึ่งมีความชำนาญในงานก่อสร้างเฝ้าสังเกตการณ์การทำงาน ณ สถานที่ก่อสร้างจริงและบันทึกข้อมูลทรัพยากรและระยะเวลาที่ใช้ในงานก่อสร้าง รวมทั้งการวัดปริมาณงานก่อสร้างที่ทำได้ในกรอบเวลาที่กำหนดเพื่อนำข้อมูลมาคำนวณหาอัตราการทำงานของกิจกรรมงานก่อสร้าง อย่างไรก็ตามวิธีแบบดังเดิมเพื่อหาอัตราการทำงานต้องใช้แรงงานและเวลาในการบันทึกข้อมูลมาก งานวิจัยนี้มีวัตถุประสงค์เพื่อสร้างระบบการวิเคราะห์หาอัตราการทำงานดยการประยุกต์ใช้เทคโนโลยีคอมพิวเตอร์วิทัศน์ในการวิเคราะห์ข้อมูลเวลาและปริมาณงานจากวิดีโอที่บันทึกการทำงานของแรงงานในกิจกรรมงานก่ออิฐ โดยระบบดังกล่าวจะช่วยลดภาระงานในการหาอัตราการทำงานในงานก่อสร้างโดยใช้วิธีปกติ งานวิจัยออกแบบระบบจากการประยุกต์ใช้เทคโนโลยีคอมพิวเตอร์วิทัศน์เพื่อวิเคราะห์หาอัตราการทำงานของกิจกรรมก่อสร้าง ซึ่งประกอบด้วยการใช้แบบจำลองปัญญาประดิษฐ์ YOLOv8 Object Detection และ BoT-SORT-ReID เพื่อหาระยะเวลาที่แรงงานใช้ในการทำงาน นอกจากนี้งานวิจัยประยุกต์ใช้แบบจำลองปัญญาประดิษฐ์ YOLOv8 Instance Segmentation เพื่อหาปริมาณงานที่ทำได้ ระบบทดสอบด้วยข้อมูลวีดีโอที่บันทึกข้อมูลการทำงานของแรงงานก่ออิฐจำนวน 10 วิดีโอ ผลการทดสอบพบว่าระบบการประยุกต์ใช้ระบบกับกรณีศึกษาวิดีโอของงานก่ออิฐจากโครงการก่อสร้างจริงสามารถวิเคราะห์หาอัตราการทำงานในงานก่อสร้างจากวิดีโอการก่ออิฐ โดยผลลัพธ์อัตราการทำงานจากระบบมีความแตกต่างจากการหาอัตราการทำงานโดยมนุษย์เฉลี่ย 10.94% ระบบที่พัฒนาสามารถหาระยะเวลาที่ใช้ในการทำงานจากวิดีโอทดแทนวิธีการดูวิดีโอและบันทึกเวลาที่ใช้ในการทำงานโดยใช้มนุษย์ ซึ่งระบบดังกล่าวช่วยลดภาระการทำงานของบุคลากรในการหาอัตราการทำงาน อย่างไรก็ตามระบบยังมีข้อจำกัดในบันทึกวีดีโอที่กำหนดให้แนวการตั้งกล้องต้องตั้งฉากกับพื้นที่งานการทำงาน

การออกแบบแกนดามกระดูกต้นขาชนิดยาวที่เหมาะสำหรับคนไทย ด้วยหลักการออกแบบหารูปร่างที่เหมาะสมที่สุด, ดวงกมล สายะบุตร

Chulalongkorn University Theses and Dissertations (Chula ETD)

การรักษากระดูกต้นขาหักมักใช้วิธีผ่าตัดใส่แกนดามกระดูก โดยแกนดามกระดูกที่ใช้ในปัจจุบันถูกออกแบบโดยอิงจากกายวิภาคของชาวคอเคเชียน ซึ่งไม่เหมาะสมสำหรับประชากรชาวเอเชียเนื่องจากความโค้งของโพรงกระดูกไม่เหมาะสมกัน ซึ่งอาจนำไปสู่การทะลุของปลายแกนดามกระดูกได้ งานวิจัยนี้จะนำวิธีการทำ shape optimiztion มาใช้ในการออกแบบแกนดามกระดูกต้นขาชนิดยาวให้เหมาะสมกับกระดูกต้นขาคนไทย โดยจะเลือกกลุ่มตัวอย่างกระดูกต้นขา 10 กระดูกจากกลุ่มประชากรกระดูกต้นขาคนไทย 60 กระดูก โดยเลือกให้ครอบคลุมกลุ่มประชากรกระดูกต้นขาที่มีรูปร่างหลากหลาย โดยใช้วิธีการจัดกลุ่มแบบ k-means clustering แกนดามกระดูกจะถูกทำการ optimize ในกระดูกกลุ่มตัวอย่างทั้ง 10 กระดูกพร้อม ๆ กัน โดยความเค้นที่เกิดในกระดูกทุกชิ้น จะถูกใช้ในการปรับรูปร่างของแกนดามกระดูกดีไซน์ถัดไป ทำวนไปเรื่อย ๆ จนสามารถลดความเค้นในกระดูกทุกชิ้นได้ แกนดามกระดูกที่ออกแบบใหม่นี้ สามารถทำให้ความเค้นที่เกิดขึ้นในกระดูกต้นขาต่ำลงอย่างมีนัยสำคัญ เมื่อเทียบกับแกนดามกระดูกต้นขาในท้องตลาดที่มีรัศมีความโค้ง 1275, 1500, และ 2000 มิลลิเมตร โดยลดลงเฉลี่ย 96.82%, 98.31%, และ 99.15% ตามลำดับ นอกจากนี้ยังทำการทดสอบความแข็งแรงด้วยวิธีไฟไนต์เอลิเมนต์ พบว่าแกนดามกระดูกที่ออกแบบใหม่มีความแข็งแรง สามารถพัฒนาต่อยอดเพื่อไปใช้ในผู้ป่วยจริงได้ในอนาคต

สมบัติเชิงกลและกำลังรับน้ำหนักของชิ้นส่วนคอนกรีตที่มีส่วนผสมของมวลรวมเศษแกรนิตและพลาสติกรีไซเคิล, ทรงกลด วงค์เจริญ

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาสมบัติเชิงกลและกำลังรับน้ำหนักของชิ้นส่วนคอนกรีตที่มีส่วนผสมของมวลรวมเศษแกรนิตและพลาสติกรีไซเคิลคละชนิด โดยทรายธรรมชาติถูกแทนที่ด้วยทรายแกรนิตและมวลรวมหยาบถูกแทนที่บางส่วนด้วยมวลรวมพลาสติกในปริมาณร้อยละ 10 30 และ 50 โดยปริมาตรของมวลรวมหยาบ การทดสอบสมบัติของคอนกรีตประกอบไปด้วย ค่าการยุบตัว ระยะเวลาการก่อตัว หน่วยน้ำหนัก กำลังรับแรงอัด กำลังรับแรงดัด ค่าโมดูลัสความยืดหยุ่นและอัตราส่วนปัวซอง ปริมาณโพรงและการดูดซึมน้ำ และความทนทานต่อโซเดียมซัลเฟต จากผลการทดสอบพบว่าคอนกรีตที่ใช้ทรายแกรนิตแทนที่ทรายธรรมชาติมีค่าการยุบตัวลดลงแต่มีกำลังรับแรงอัดใกล้เคียงกับคอนกรีตจากทรายธรรมชาติล้วน และเมื่อใช้มวลรวมพลาสติกแทนที่มวลรวมหยาบตามธรรมชาติพบว่าค่าการยุบตัวลดลงตามปริมาณพลาสติกที่เพิ่มขึ้น ค่ากำลังอัดของคอนกรีตที่มีการแทนที่มวลรวมหยาบด้วยมวลรวมพลาสติกไม่เกินร้อยละ 10 มีค่าใกล้เคียงคอนกรีตไม่มีการแทนที่พลาสติก ดังนั้นจึงเลือกใช้สัดส่วนผสมดังกล่าวมาผลิตเป็นผนังและพื้นคอนกรีตสำเร็จรูป และทดสอบผนังภายใต้แรงตามแนวแกนและทดสอบพื้นภายใต้แรงกระกระทำแบบสี่จุด ผลการทดสอบชี้ให้เห็นว่าผนังและพื้นที่ผลิตจากคอนกรีตที่มีการแทนที่มวลรวมละเอียดด้วยทรายแกรนิตและมีการแทนที่มวลรวมหยาบด้วยพลาสติกร้อยละ 10 มีความสามารถในการรับน้ำหนักเทียบเท่าคอนกรีตที่ไม่มีส่วนผสมของพลาสติก เนื่องจากมีค่ากำลังรับน้ำหนักของผนังและพื้นลดลงเพียง 1.27% และ 1.40% ตามลำดับ

Effect Of Air-Borne Abrasion Protocol On Micro-Tensile Bond Strength To Dentin Of Different Cad\ Cam Blocks (In-Vitro Study), Mohamed Fouad Haridy, Shereen Adel Gad, Radwa Nagy

Dentistry

No abstract provided.

Effect Of Different Surface Treatment Protocols On Micro-Tensile Bond Strength Of Cad/Cam Composite Blocks To Dentin, Mohamed Fouad Haridy, Ali Safwat, Shadwa Kabil

Dentistry

No abstract provided.

Correlation Between Periodontal Disease And Covid-19: Systematic Review And Meta-Analysis, Dhihram Tenrisau, Mondastri K. Sudaryo, Erni Marlina, Nur R. Hasanuddin, Syafarudin Nur

Journal of Dentomaxillofacial Science

No abstract provided.

A Retrospective Institutional Study For Age Determination By The Root Length Of Mandibular Third Molar On Panoramic Radiograph In Deutero Malay Subject, Belly Sam, Ristaniah R. Effendy, Suhardjo Sitam, Ira Komara, Whildy A. Rifdah, Fahmi Oscandar

Journal of Dentomaxillofacial Science

No abstract provided.

Accuracy Of Mesiodistal Teeth And Dental Arch Width Measurement With Conventional Plaster And Digital Model Study, Zenia Adindaputri, Dyah Kurnia, Darmawan Sutantyo

Journal of Dentomaxillofacial Science

No abstract provided.

Risk Prevalence Of The Temporomandibular Disorder In Undergraduate Students Of Medicine Faculty, Mulawarman University, Indonesia, Imran Irsal, Nanda Pratiwi, Masyudi, Elliana Martalina, Portuna P. Kambaya, Alhawaris, Aziz Mohpul, Acing H. Mude

Journal of Dentomaxillofacial Science

No abstract provided.

Exploring Barriers To Oral Healthcare Experienced By Caregivers Living With Intellectual Disability: A Qualitative Study, Valendriyani Ningrum, Syamsiah Syam, Abu Bakar, Chung-Ming Liu

Journal of Dentomaxillofacial Science

No abstract provided.

Hydrophobicity Of The Biofunctionalized Scaffolds For Bone Tissue Engineering Application In Dentistry, Ridhayani Hatta, Beatriz Jc. Monteiro, Ilida O. Asencio

Journal of Dentomaxillofacial Science

No abstract provided.