ในเวชปฏิบัติปัจจุบัน การใช้ภาพถ่ายรังสีทรวงอกแบบเคลื่อนย้ายได้ (Portable X-ray) ประสบปัญหาสำคัญด้านคุณภาพภาพที่ลดลงเนื่องจากข้อจำกัดของเครื่องมือและสภาวะของผู้ป่วย ส่งผลให้ภาพมีความพร่ามัว มีแสงที่ไม่สมบูรณ์ และมักมีสิ่งแปลกปลอม (Artifacts) เช่น สายยางหรืออุปกรณ์พยุงชีพบดบังรอยโรค นอกจากนี้ ความแตกต่างของมุมถ่ายภาพในแต่ละวันยังทำให้การเปรียบเทียบการเปลี่ยนแปลงของรอยโรค (Opacity) กระทำได้ยากและเกิดความคลาดเคลื่อนสูง โครงงานนี้จึงนำเสนอระบบปัญญาประดิษฐ์เพื่อช่วยแพทย์ในการทับซ้อนภาพและวิเคราะห์การฟื้นตัวของปอดอย่างแม่นยำ เพื่อพัฒนาเทคโนโลยีปัญญาประดิษฐ์ในการสนับสนุนแพทย์สำหรับการประเมินและเปรียบเทียบภาพถ่ายรังสีทรวงอกแบบรายวัน เพื่อเพิ่มความแม่นยำในกระบวนการลงทะเบียนภาพ (Image Registration) โดยใช้การระบุจุดสำคัญบนโครงสร้างกระดูกเพื่อลดความผิดพลาดจากการขยับตัวของผู้ป่วย เพื่อวิเคราะห์แนวโน้มการเกิดโรคและระดับการฟื้นตัวของผู้ป่วยกลุ่มปอดอักเสบจากการใช้เครื่องช่วยหายใจ (VAP Analysis) อย่างเป็นรูปธรรม Intuitive Visualization: ระบบแสดงผลการเปรียบเทียบในรูปแบบ Heatmap โดยใช้สีน้ำเงินแทนบริเวณที่มีการฟื้นตัวดีขึ้น และสีแดงแทนบริเวณที่รอยโรครุนแรงขึ้น ช่วยให้แพทย์วินิจฉัยได้อย่างรวดเร็ว Quantitative Metrics: สามารถคำนวณระดับการฟื้นตัวหรือแย่ลงของรอยโรคออกมาเป็นเปอร์เซ็นต์ (Net Improvement) เพื่อใช้เป็นดัชนีชี้วัดประสิทธิภาพการรักษาที่เป็นเชิงประจักษ์
