Viện Công nghệ Thông tin, Đại học Quốc gia Hà Nội sẽ tổ chức Hội thảo quốc tế về Y tế thông minh trong kỉ nguyên trí tuệ nhân tạo vào 10h00 ngày 31/8/2022 (thứ 4). Đây là diễn đàn khoa học hợp tác về Y tế thông minh giữa Viện CNTT và Trung tâm nghiên cứu dịch vụ công nghiệp nhận dạng thông minh – Đại học Khoa học Kỹ thuật Quốc gia Vân Lâm (YunTech IRIS) nhằm tạo ra cơ hội để người tham dự hội thảo học hỏi, trao đổi, ghi nhận những số liệu, nghiên cứu, góp phần thúc đẩy sự phát triển của khoa học và công nghệ liên quan đến Y tế thông minh trong nước, trong khu vực và trên thế giới.

  • Thời gian: 10h00 ngày 31/08/2022.
  • Hình thức: trực tuyến qua Zoom. Meeting ID: 969 238 6226. Passcode: 123456

Hội thảo “Y tế thông minh trong kỷ nguyên trí tuệ nhân tạo” gồm các trình bày của 2 đơn vị hợp tác: Viện CNTT và Trung tâm nghiên cứu dịch vụ công nghiệp nhận dạng thông minh – Đại học Khoa học Kỹ thuật Quốc gia Vân Lâm (YunTech IRIS). Cụ thể như sau:

Về phía Viện Công nghệ Thông tin

1) Talk #1: Thiết kế và Phát triển Hệ thống Thông minh dựa trên Môi trường Đám mây Y tế (CoMT)

Tóm tắt: Một trong những lĩnh vực nghiên cứu cấp thiết trong ngành chăm sóc sức khỏe hiện nay là làm sao có thể phát hiện được virus COVID-19 một cách chính xác nhất. Một trong những điều tra lâm sàng gần đây, chụp cắt lớp vi tính lồng ngực (CT) đã được khuyến cáo như một kỹ thuật khả thi để chẩn đoán COVID-19  tránh bỏ sót tỷ lệ nhiễm trùng bệnh và với độ nhạy cao.

Phương pháp đề xuất: Nền tảng công nghệ dựa trên Internet of Medical Things (IoMT) là một hướng nghiên cứu được dùng để để cải thiện và tăng tốc độ nhận dạng virus COVID-19. Các thiết bị lâm sàng được kết nối với tài nguyên mạng trong nền tảng IoMT sử dụng điện toán đám mây.

Ưu điểm: Phương pháp cho phép bệnh nhân và các chuyên gia chăm sóc sức khỏe làm việc cùng nhau để chẩn đoán, điều trị virus COVID-19 và các loại vi rút khác; có khả năng tiết kiệm thời gian và công sức cho cả bệnh nhân và bác sĩ. Mô hình đề xuất được sử dụng nhằm mục đích xác định virus COVID-19, nhưng nó cũng có thể được sử dụng để phân tích hình ảnh y tế của những bệnh khác khác.

Diễn giả:  Tiến sĩ Raghvendra Kumar đang là Phó Giáo sư ở Khoa Kỹ thuật và Khoa học Máy tính tại Đại học GIET, Ấn Độ. Ông đã tốt nghiệp Đại học, Thạc sĩ và TS chuyên ngành Khoa học máy tính và hiện đang là thực tập sinh tại Viện Công nghệ Thông tin, Đại học Quốc gia Hà Nội.

Ông đã xuất bản các sách như: IoT: Security and Privacy Paradigm (Internet of Everything (IoE); Green Engineering and Technology: Concepts and Applications (xuất bản bởi CRC, online tại Taylor & Francis eBooks, Mỹ); Bio-Medical Engineering: Techniques and Applications (Xuất bản bởi Apple Academic, CRC, Taylor & Francis Group, Mỹ). Thêm nữa, ông cũng đã xuất bản 16 chương trong cuốn sách đã được chỉnh sửa do IGI Global, Springer và Elsevier xuất bản.

Ông là tác giả và Biên tập 34 cuốn sách khoa học máy tính về lĩnh vực: IoT, khai phá dữ liệu, kĩ thuật y sinh, dữ liệu lớn, Robotic được xuát bản bởi các nhà xuất bản như IGI Global, USA, IOS Press Netherland, Springer, Elsevier, CRC Press, USA.

Ông cũng là biên tập viên tại tạp chí Computer Science của Apple Academic Press, CRC Press, Taylor & Francis Group, Mỹ.

Ông đã xuất bản nhiều bài báo trên tạp chí quốc tế (SCI/SCIE/ESCI/Scopus) và các hội nghị quốc tế của IEEE và Springer; ban tổ chức (RICE-2019, 2020, 2021), biên tập viên (RICE-2018), ICNGIoT-2021, 2022, biên tập viên khách mời trong nhiều số đặc biệt từ các tạp chí danh tiếng (Scopus, ESCI, SCI).

Lĩnh vực nghiên cứu của ông là Mạng máy tính, Khai thác dữ liệu, điện toán đám mây và bảo mật tính toán, Lý thuyết về khoa học máy tính và thiết kế thuật toán.

2) Talk #2: Mô hình học chuyển giao mờ phức và ứng dụng trong chẩn đoán bệnh

Tóm tắt:  Học chuyển giao (TL) đã và đang được nhiều nhà nghiên cứu tìm hiểu và ứng dụng nhiều trong các ứng dụng trí tuệ máy tính và trí tuệ nhân tạo. Nhiều phương pháp TL đã được đề xuất và áp dụng để tìm ra các vấn đề ứng dụng trong thực tế, đặc biệt là phương pháp FTL (học chuyển gia mờ). Đây là mô hình kết hợp giữa học chuyển giao và lý thuyết mờ nhằm mục đích để xác định các tham số mơ hồ và không chắc chắn trong bài toán. Do độ phức tạp ngày càng tăng của hệ thống, dữ liệu chứa nhiều thông tin không chắc chắn, không chính xác và thậm chí còn có yếu tố chu kì, định kì. Khi đó lý thuyết tập mờ thường không thể mô tả đầy đủ ý nghĩa của dữ liệu và điều đó sẽ làm dẫn tới quá trình học chuyển giao mờ bị mất mát thông tin.

Nghiên cứu này giới thiệu một mô hình học chuyển giao mới trên tập mờ phức nhằm mục đích khắc phục những hạn chế của học chuyển giao mờ; cho phép biểu diễn dữ liệu liên quan đến yếu tố chu kì, định kì; và khắc phục những hạn chế của phương phép học chuyển giao mờ. Mô hình được thực hiện quá trình học chuyển giao trong trường hợp không có/rất ít thông tin tham khảo hoặc dự báo.

Mô hình được thực nghiệm trên cả dữ liệu chuẩn UCI và bộ dữ liệu bệnh thực thu thập tại bệnh viện để minh họa ưu điểm và những hạn chế của mô hình học chuyển gio mờ phức.

Diễn giả: Tiến sĩ Lương Thị Hồng Lan tốt nghiệp Đại học Bách khoa Hà Nội năm 2002 và nhận bằng Tiến sĩ ngành Khoa học máy tính tại Viện Công nghệ Thông tin, Viện Hàn lâm khoa học và công nghệ Việt nam  (IoIT) năm 2021. Hiện tại, bà đang công tác tại Khoa Công nghệ thông tin, Đại học Thuy lợi. Bà đã có tổng cộng 22 công trình trên các tạp chí trong và ngoài nước, trong đó có 09 công trình trên các tạp chí ISI/Scopus.

 

3) Talk#3: Phát triển khung kiến trúc di động về sức khỏe

Tóm tắt: Ngày nay, với sự đổi mới của khoa học công nghệ, rất nhiều ứng dụng khám chữa bệnh ra đời nhằm hiện đại hóa ngành y tế, giảm thời gian khám chữa bệnh cho người dân. Tuy nhiên, các ứng dụng trong hệ thống thông tin bệnh viện thường hoạt động độc lập, dữ liệu không thống nhất, làm tăng thất thoát trong triển khai CNTT do thiếu tích hợp và phù hợp với mục tiêu của bệnh viện. Đặc biệt, ngành y tế Việt Nam được đánh giá là có cơ cấu hành chính khá phức tạp do các bệnh viện thuộc sở hữu của Chính phủ và do Bộ Y tế quản lý. Ngoài ra, các bệnh viện được phân chia theo cấp hành chính, ví dụ bệnh viện tuyến xã, huyện và tuyến trung ương. Trong quá trình khám bệnh cho người dân, trường hợp bệnh nặng, người dân có thể phải chuyển qua các bệnh viện khác nhau, bắt đầu là tuyến xã và cuối cùng là tuyến trung ương. Như vậy, dữ liệu bệnh nhân phải được trao đổi trong suốt quá trình. Nếu các bệnh viện chỉ đầu tư ứng dụng theo công nghệ tiên tiến vào khám chữa bệnh mà không quan tâm đến liên thông dữ liệu thì chưa đạt đến hệ thống y tế thông minh, hiện đại.

Mặt khác, với sự ra đời của công nghệ 5G khiến người dân sử dụng thiết bị di động để truy cập thông tin ngày càng nhiều thì việc phát triển các ứng dụng di động phục vụ công tác khám chữa bệnh cho người dân vào thời điểm này là rất phù hợp. Thiết bị di động giúp người dân có thể theo dõi tình trạng bệnh của họ mọi lúc, mọi nơi. Để tránh những thất bại khi đầu tư vào ứng dụng di động cho ngành Y tế, việc đầu tiên cần làm là xây dựng khung kiến ​​trúc doanh nghiệp.

Nghiên cứu này trình bày về kiến trúc doanh nghiệp (EA), đây được coi là việc hoạch định và xây dựng chiến lược đầu tư cho một tổ chức, tạo điều kiện thuận lợi cho việc ra quyết định của đưa ra một cái nhìn tổng quan về tổ chức. Đồng thời, nó cũng giúp giải quyết vấn đề liên thông và tích hợp dữ liệu trong ngành y tế như đã nói ở trên.

Diễn giả: ThS. Phạm Hải Sơn đang làm việc tại Bộ Khoa học và Công nghệ.
Ông tốt nghiệp Thạc sĩ khoa học máy tính tại Đại học Khoa học và Công nghệ Quốc gia Yunlin, Đài Loan năm 2008.
Ông đang theo học Tiến sĩ tại Viện Công nghệ Thông tin, Đại học Quốc gia Hà Nội từ năm 2018. Lĩnh vực của ông là kiến ​​trúc doanh nghiệp và đã có 06 công bố trên các tạp chí, hội nghị ở trong và ngoài nước.

Về phía YunTech-IRIS

1) Talk#1: Phát hiện tổn thương lao phổi trên hình ảnh X-quang phổi dựa trên trí tuệ nhân tạo

Tóm tắt: Nghiên cứu này đề xuất phương pháp tiếp cận dựa trên mạng lưới học sâu (DL) để phát hiện hai loại tổn thương Lao (TB) trên hình ảnh X-quang phổi (CXR). Cụ thể:

– Nghiên cứu chủ yếu sử dụng mô hình U-Net để phân đoạn các vùng tổn thương lao trên hình ảnh X-quang.

– Để cải thiện độ chính xác, sử dụng các thông tin như vùng chú ý, kết nối dày đặc và mô-đun tổng hợp không gian hình tháp (PSP).

– Ngoài ra, khi lượng dữ liệu huấn luyện nhỏ, nghiên cứu đề xuất sử dụng các phương pháp tăng cường dữ liệu và nâng cao tính năng để tăng số lượng hình ảnh và độ mạnh của các tính năng trong ảnh CXR.

– Các kiến ​​trúc mô hình sử dụng trong nghiên cứu: U-Net, Attention U-Net, U-Net++, Attention          U-Net++ và PSP Attention U-Net++, được tối ưu hóa và so sánh dựa trên kết quả thử nghiệm của từng mô hình để tìm ra kết quả tốt nhất thông số.

– Giai đoạn cuối cùng sử dụng phương pháp phân loại tổng hợp, kết hợp các mô hình khác nhau để cải thiện hơn nữa kết quả phân đoạn tổn thương.

– Thực nghiệm: tập dữ liệu chứa 92 hình ảnh đào tạo, 9 hình ảnh xác thực và 12 hình ảnh thử nghiệm.

– Kết quả thử nghiệm cho thấy mô hình tập hợp được đề xuất đạt được điểm giao nhau trung bình tối đa (MIoU) là 0,744, độ đo Precision là 0,924, độ đo recall trung bình là 0,792, độ đo F1-score là 0,849 và độ chính xác là 1,0.

– Phương pháp đề xuất có thể được các bác sĩ lâm sàng sử dụng như một phương pháp chẩn đoán có sự hỗ trợ của máy tính đối với các tổn thương lao trên hình ảnh X-quang.

Diễn giả: Hsuan-Ting Chang (Thành viên cao cấp, IEEE, OSA, SPIE) nhận bằng Tiến sĩ. tốt nghiệp Kỹ sư Điện (EE) tại Đại học Quốc gia Chung Cheng (NCCU), Đài Loan, năm 1997. Ông hiện đang là giáo sư chính thức tại Khoa EE của Đại học YunTech. Đồng thời, giáo sư Chang còn đạt một số học bổng ngắn hạn tại Viện Khoa học Thông tin, Academia Sinica, Đài Loan và tại khoa EE, Đại học Washington, Seattle Hoa Kỳ từ tháng 7/2003 đến tháng 9/2003 và từ tháng 8/2007 đến tháng 3/2008.

Ông cũng là Học giả thỉnh giảng cấp cao của Đại học Fulbright tại Khoa Hình ảnh Y học, Đại học Arizona, Hoa Kỳ từ tháng 8/2014 đến tháng 7/2015.  Lĩnh vực nghiên cứu của ông bao gồm: xử lý hình ảnh y tế, xử lý thông tin quang học. Ông đã xuất bản hơn 65 tạp chí và 180 bài báo hội nghị trong các lĩnh vực nghiên cứu nói trên.

2) Talk#2: Phát hiện nhịp tim và hô hấp trên dựa trên nhận dạng khuôn mặt

Tóm tắt: Việc đeo thiết bị đo trong thời gian dài gây khó chịu cho một số người như bệnh nhân bỏng, bỏng nước và trẻ sơ sinh. Đã có nhiều nhà nghiên cứu đề xuất công nghệ phát hiện nhịp tim và nhịp thở không tiếp xúc dựa trên thị giác máy tính để giảm tiếp xúc với người dùng. Hầu hết các công nghệ này chỉ có thể phát hiện một đối tượng duy nhất và chỉ có một đầu ra (nhịp tim hoặc nhịp thở) khi đo các tín hiệu sinh lý.

Nghiên cứu đề xuất phương pháp phát hiện nhịp tim và nhịp thở của nhiều người dựa trên dao động của đầu. Đầu tiên, nghiên cứu sử dụng thuật toán theo dõi trung tâm để theo dõi và định vị nhiều mục tiêu, đồng thời sử dụng phương pháp luồng quang học để đưa ra quỹ đạo chuyển động của các đặc điểm trên khuôn mặt theo chuỗi thời gian. Nghiên cứu cũng sử dụng phân tích thành phần theo kinh nghiệm để giảm nhiễu tần số cao trong tín hiệu, sau đó sử dụng phân tích thành phần chính để tìm ra các tính năng quan trọng. Cuối cùng, kênh thích hợp được lựa chọn dựa trên phân tích miền tần số, khi đó có thể tính toán nhịp tim và nhịp thở dựa trên phát hiện giá trị xung đỉnh.

Kết quả thực nghiệm cho thấy  độ đo sai số RMSE của phương pháp đề xuất trong đo nhịp tim và hô hấp lần lượt là 5 nhịp/phút và 3 nhịp/phút. Nghiên cứu tiến hành các thí nghiệm với các độ quang học khác nhau. Phương pháp được đề xuất có thể đo hiệu quả ngay cả ở độ quang học thấp.

Diễn giả: Chuan-Yu Chang (Thành viên cao cấp, IEEE) nhận bằng Tiến sĩ. Tốt nghiệp kỹ sư điện tại Đại học Quốc gia Cheng Kung, Đài Nam, Đài Loan, năm 2000. Từ năm 2009 đến năm 2011, ông là Chủ nhiệm Khoa Khoa học Máy tính và Kỹ thuật Thông tin, Đại học Khoa học và Công nghệ Quốc gia Vân Lâm.

Từ năm 2011 đến 2019, ông là Trưởng phòng Nghiên cứu và Phát triển, Giám đốc Trung tâm Ươm tạo Hợp tác Học thuật-Ngành và Sở hữu Trí tuệ, YunTech.

Từ năm 2015 đến 2017, ông là Chủ tịch của Hiệp hội Xử lý Tín hiệu IEEE Đài Nam và Đại diện cho Khu vực 10 của Ủy ban các Chương IEEE SPS.

Ông hiện là Phó Tổng Giám đốc Trung tâm Công nghệ Hệ thống Dịch vụ, Viện Nghiên cứu Công nghệ Công nghiệp, Đài Loan. Ông cũng là một Giáo sư xuất sắc của Khoa Khoa học Máy tính và Kỹ thuật Thông tin, YunTech.

Hiện ông cũng đang thành viên IET, Thành viên của IPPR và TAAI. Ông là Đồng Chủ tịch của các chương trình như TAAI 2007, CVGIP 2009, 2010–2019 Hội thảo Quốc tế về Cảm biến Thông minh và Môi trường Thông minh, và Hội nghị Quốc tế lần thứ ba về Robot, Tầm nhìn và Xử lý Tín hiệu (RVSP 2015). Ông là đồng Chủ tịch của các Hội nghị Quốc tế như: Hội nghị quốc tế về An toàn Thông tin và Kiểm soát Thông minh 2012, Hội thảo về Công nghệ Cuộc sống Số 2011-2013, CVGIP 2017, WIC 2018, ICS 2018 và WIC 2019.

Ông đã xuất bản hơn 200 ấn phẩm trên các tạp chí và kỷ yếu hội nghị trong các lĩnh vực nghiên cứu của mình, bao gồm trí thông minh tính toán và các ứng dụng của chúng để xử lý hình ảnh y tế, kiểm tra quang học tự động, nhận dạng cảm xúc và nhận dạng mẫu.