โรคเบาหวานสามารถแบ่งออกเป็น 4 ชนิด

โรคเบาหวานสามารถแบ่งออกเป็น 4 ชนิด โดยเบาหวานชนิดที่ 2 เป็นชนิดที่พบบ่อยที่สุดในคนไทย ดังนั้นงานวิจัยนี้เน้นคัดกรองคนปกติและผู้ป่วยเบาหวานชนิดที่ 2 ซึ่งเกิดจากการที่ร่างกายผลิตอินซูลินไม่เพียงพอ ส่งผลให้กระบวนการดูดซึมน้ำตาลในเลือดให้เป็นพลังงานของเซลล์ในร่างกายมีความผิดปกติหรือทำงานได้ไม่เต็มประสิทธิภาพ ผลที่ตามมาคือ มีเกิดน้ำตาลสะสมในเลือดปริมาณมาก วัตถุประสงค์ของโครงงาน คือ 1) เพื่อศึกษาการประยุกต์ใช้ NIR ในการตรวจวัดผู้ป่วยเบาหวานกับคนปกติ 2) เพื่อหาประสิทธิภาพของการจำแนกข้อมูลด้วยอัลกอลิทึมซัพอร์ตเวกเตอร์แมชชีน (Support Vector Machine : SVM) โดยใช้เซนเซอร์สเปกโทรสโกปีของแสงอินฟราเรด (Near Infrared Spectroscopy) ซึ่งมีอาสาสมัครที่เป็นคนปกติจำนวน 35 คน และผู้ป่วยโรคเบาหวานชนิดที่ 2 จำนวน 45 คน อยู่ในจังหวัดนราธิวาส โดยการทดลองแบ่งออกเป็น 4 ข้อ คือ 1) การทดสอบเซนเซอร์ 2) การออกแบบกล่องใส่อุปกรณ์เซนเซอร์ 3) การเลือกช่วงความยาวคลื่นที่เหมาะสม และ4) การเลือกวิธีปรับบรรทัดฐานข้อมูล (Normalization) จากผลการทดลอง พบว่า การใช้กล่องสีดำปิดทึบให้ประสิทธิภาพสูงที่สุด ช่วงความถี่ที่เหมาะสมกับการจำแนกประเภทคือ 410, 460, 535, 610 และ 730 นาโนเมตร นอกจากนี้วิธีการปรับบรรทัดฐานข้อมูลแบบ min-max ให้ค่าความถูกต้องมากกว่าแบบ z-score และความแม่นยำในการจำแนกข้อมูลสูงสุดอยู่ที่ 90 เปอร์เซ็นต์

ผลลัพธ์ (อังกฤษ) 1:

Diabetes can be divided into 4 types, with type 2 diabetes being the most common type in Thai people. Therefore, this research focuses on screening normal people and patients with type 2 diabetes, which is caused by the body not producing enough insulin. As a result, the process of absorbing blood sugar into energy in the cells in the body is abnormal or does not work at full efficiency. The result is There is a large amount of sugar accumulated in the blood. The objectives of the project are 1) to study the application of NIR in measuring diabetic patients and normal people 2) to determine the efficiency of data classification with the Support Vector Machine (SVM) algorithm. Using an infrared spectroscopy sensor (Near Infrared Spectroscopy), there were 35 normal volunteers and 45 people with type 2 diabetes in Narathiwat Province. The experiment was divided into 4 items: 1) testing the sensor, 2) designing the sensor box, 3) selecting the appropriate wavelength range, and 4) selecting the data normalization method. (Normalization) From the experimental results, it was found that using black, opaque boxes gave the highest efficiency. The frequency ranges suitable for classification are 410, 460, 535, 610, and 730 nm. In addition, the min-max data normalization method provides better accuracy than z-score and has the highest classification accuracy. at 90 percent

ผลลัพธ์ (อังกฤษ) 2:

Diabetes can be divided into four types. type 2 diabetes is the most common type in thailand. Therefore, this study focuses on screening normal people and type 2 diabetes patients, which is caused by insufficient insulin production in the body. Therefore, the process of absorbing blood sugar into cellular energy in the body is abnormal or inefficient. The result is: The purpose of the factory is to study the application of near-infrared in patients with diabetes. 2) Using infrared spectrometer sensors and support vector machine (SVM) algorithm to determine the effectiveness of data classification. There are 35 volunteers and 45 patients with type 2 diabetes in Narathiwat province. The experiment is divided into four questions: 1) Sensor testing 2) Sensor housing design 3) Selecting an appropriate wavelength range 4) Choose a standardized method. Based on experimental results, the use of black boxes is the most effective. The frequency range is suitable

ผลลัพธ์ (อังกฤษ) 3:

Diabetes can be divided into four types, of which type 2 diabetes is the most common type in Thailand. Therefore, the focus of this study is to screen normal people and type 2 diabetic patients. These people have abnormal or incomplete absorption of blood sugar into cellular energy in the body due to insufficient insulin production, which leads to a large amount of blood sugar accumulation. The purpose of the project is: 1) to study the application of NIR in the measurement of diabetic patients and normal people; 2) Using support vector machine (SVM) to measure the efficiency of infrared spectrum sensor in data classification.