Trung tâm Nghiên cứu tiên tiến quốc tế về Trí tuệ nhân tạo ứng dụng

Phòng 507, nhà E3, Viện Công nghệ Thông tin, Đại học Quốc gia Hà Nội

Phòng nghiên cứu Công nghệ Đa phương tiện và Thực tại ảo (Department of Multimedia and Virtual Reality) đảm nhận các nhiệm vụ chính về nghiên cứu, phát triển công nghệ và đào tạo các học phần cốt lõi trong chương trình đào tao chuyên sâu về Khoa học máy tính và Hệ thống thông tin quản lý ở trình độ tiến sỹ và sau tiến sỹ. Với sứ mạng phát triển nghiên cứu đỉnh cao và đào tạo nguồn nhân lực chất lượng cao có khả năng tham gia vào quá trình tạo ra tri thức, sản phẩm mới phục vụ cho cuộc cách mạng công nghệ 4.0 và chuyển đổi số của đất nước, đặc biệt liên quan đến hướng nghiên cứu chính về Trí tuệ nhân tạo (AI), Tính toán mềm (Soft Computing), Xử lý ảnh và video (Image and Video Mining), Thực tại ảo và Thực tại ảo tăng cường (Virtual Reality and Augmented Reality).Qua quá trình nghiên cứu và chọn lọc, các hướng nghiên cứu mạnh của Phòng nghiên cứu Công nghệ Đa phương tiện và Thực tại ảo bao gồm: Trí tuệ nhân tạo (AI), Tính toán mềm (Soft Computing), Xử lý ảnh và video (Image and Video Mining), Thực tại ảo và Thực tại ảo tăng cường (Virtual Reality and Augmented Reality), Thuật toán và tối ưu hóa (Optimization), Tính toán tiến hóa (Evolutionary Computing), Tính toán hiệu năng cao trong xử lý ảnh và video (High Performance Computing), Logic mờ và logic tính toán (Fuzzy logic and computation), Hệ phân tán (Distributed Computing), Học máy (Machine Learning), Phân tích dữ liệu chuyên ngành (Business Mining), tìm kiếm thông tin và ngữ nghĩa trong ảnh và video (Semantic Information Retrieval from images and videos), công nghệ thông minh (Intelligent Technology), các hệ thống hỗ trợ quyết định trong Y tế thông minh (Smart Hospital), Nông nghiệp thông minh (Smart Algriculture), và môi trường thông minh (Smart Environment) dựa trên công nghệ Internet vạn vật (IoT) và điện toán đám mây (Cloud Computing). Các nghiên cứu về tư vấn kiến trúc Hệ thống thông tin trong Chính phủ điện tử (Enterprise Architecture in e-Government).

Một số hướng nghiên cứu gần đây:

• Các phương pháp hỗ trợ chẩn đoán bệnh từ ảnh Y tế với Deep Learning.
• Các mô hình bán giám sát an toàn ứng dụng trong phát hiện đối tượng trên ảnh viễn thám.
• Các phương pháp học chuyển giao và đồ thị tri thức trong phát hiện và chẩn đoán bệnh
• Các hệ Chatbot Y tế
• Các kỹ thuật trích rút thông tin trên bệnh án điện tử.
• Hệ tư vấn lớn (Mega RS).
• Các kỹ thuật phân tích biểu cảm khuôn mặt.
• Các mô hình ra quyết định trong chấm điểm tín dụng

Đội ngũ

Đội ngũ cộng tác viên

Một số đề tài, dự án khoa học công nghệ nổi bật

Đội ngũ cán bộ nghiên cứu của Phòng nghiên cứu Công nghệ Đa phương tiện và Thực tại ảo đã thực hiện nhiều đề tài cấp Quốc gia, quốc tế và các Bộ, ngành với kết quả và tiềm năng ứng dụng. Sau đây là một số đề tài tiêu biểu của Phòng trong khoảng thời gian 5 năm trở lại đây (2017-2022):

1. Phần mềm chẩn đoán bệnh viêm quanh cuống trên ảnh X-quang nha khoa

Chẩn đoán y tế là một khâu rất quan trọng trong quy trình điều trị của bệnh nhân và cũng là khâu trung tâm trong y học lâm sàng. Việc chẩn đoán chính xác bệnh là yêu cầu quan trọng trong các quyết định điều trị đúng. Chẩn đoán y tế là dự báo khả năng mắc bệnh của bệnh nhân dựa vào những thông tin triệu chứng mà bệnh nhân gặp phải. Chẩn đoán được ví như “xương sống” của ngành y tế, do đó việc đảm bảo và nâng cao chất lượng chẩn đoán là vấn đề đang được quan tâm hàng đầu tại Việt nam cũng như thế giới. Ngày nay, công nghệ thông tin nổi lên như một điểm sáng trong hợp tác đa ngành. Nó như một công cụ đắc lực hỗ trợ nhằm cải thiện hiệu năng, chất lượng trong nhiều lĩnh vực khác nhau trong cuộc sống. Một trong những lĩnh vực gặt hái được nhiều thành tựu to lớn với việc áp dụng công nghệ thông tin là ngành y tế. Trong những năm gần đây, sự kết hợp đa ngành này đã giảm bớt tình trạng quá tải trong các bệnh viện, cải thiện dịch vụ y tế, chất lượng khám và điều trị trong các bệnh viện, v.v. Hiện nay ở việc nghiên cứu để sử dụng các thiết bị máy hỗ trợ cho chấn đoán của các bác sỹ là hết sức cần thiết. Để xây dựng được hệ thống này cần được nghiên cứu xây dựng hệ thống học máy trợ giúp cho quá trình học để tích hợp vào các hệ thống máy.Bắt nguồn từ đề tài cấp ĐHQG mã số QG.20.51, phần mềm ứng dụng học sâu trong phân loại hình ảnh, cải thiện độ chính xác, giảm thời gian xử lý, với giao diện thân thiện giúp bác sỹ chẩn đoán ảnh X-Quang. Phần mềm đã được cấp giấy chứng nhận quyền tác giả số 7324/2021/QTG năm 2021 từ Cục Bản quyền tác giả.

Hình: Phần mềm chẩn đoán bệnh từ ảnh X-Quang nha khoa

2. Phần mềm phân tích hình thái đầu mặt cho người Việt Nam – VNCEPH

Phần mềm VNCEPH có chức năng đo đạc 3D, phân tích và dự đoán hình thái đầu mặt ở người Việt Nam, làm cơ sở cho nghiên cứu về giải phẫu bệnh trong Y học. Hệ thống phần mềm hỗ trợ đo đạc các chỉ số nhân trắc đầu mặt dành riêng cho người Việt cần được xây dựng với các công cụ riêng phục vụ các bác sỹ, các nhà nghiên cứu tại Việt nam. Dựa trên phân tích các nhu cầu về nghiên cứu, chuẩn đoán và điều trị của các bác sỹ chuyên khoa, hệ thống đo và lưu trữ dữ liệu về các chỉ số nhân trắc đầu-mặt của người Việt được tập hợp thành một kho dữ liệu chung, thống nhất. Nhờ đó, các nhà nghiên cứu trong nhiều lĩnh vực khác nhau có thể sử dụng trong những điều kiện nhất định phục vụ các nghiên cứu về những đặc điểm riêng của chủng tộc người Việt.Phần mềm nằm trong kết quả Đề tài nhánh Bộ Khoa học và Công nghệ, mã số: ĐTĐL.CN.27/16, được thực hiện với sự phối hợp của Viện Đào tạo Răng Hàm Mặt, trường ĐH Y Hà Nội và được cấp giấy chứng nhận quyền tác giả số 5138/2017/QTG năm 2017 từ Cục Bản quyền tác giả.

Hình: Phần mềm đo đạc giải phẫu hàm mặt

3. Nghiên cứu xây dựng hệ tư vấn và hỗ trợ chẩn đoán bệnh theo tiếp cận tính toán mờ

Đề tài thuộc Quỹ phát triển khoa học và công nghệ quốc gia (NAFOSTED) NĂM 2018, mã số: 102.05-2018.02 với mục tiêu là tập trung nghiên cứu phát triển các kỹ thuật Tính toán mờ (Soft Computing) mới, tập trung vào các kỹ thuật phân cụm mờ, hệ tư vấn và hỗ trợ ra quyết định, và các hệ lai (Deep Learning, v.v.) trên tập mờ nâng cao (tập mờ trung lập, v.v.) trong tư vấn và hỗ trợ chẩn đoán bệnh từ dữ liệu ảnh y tế (thử nghiệm trên ảnh nha khoa) và dữ liệu triệu chứng bệnh. Các hướng nghiên cứu chính của đề tài bao gồm:+ Xây dựng các phương pháp biểu diễn, xử lý và rút trích tri thức từ cơ sở dữ liệu y tế:Với nội dung này, tiếp cận chính là biểu diễn tri thức theo luật mờ, cây quyết định, và mạng Nơron có hiệu chỉnh. Luật mờ được thể hiện dưới dạng IF THEN phản ánh tri thức của con người trong một lĩnh vực cụ thể. Luật mờ còn có thể biểu diễn dưới dạng cây quyết định hay mạng Nơron. Trong phần này, luật mờ sẽ được thiết kế gắn với bài toán và dữ liệu y tế một cách hiệu quả nhất sao cho quá trình truy xuất luật, xác định luật ‘gần’ nhất (đo độ tương tự luật), xác định luật mâu thuẫn sau này được thực hiện nhanh chóng và chính xác. Việc này có ý nghĩa quan trọng trong bối cảnh Big Data. Khi đó cơ sở tri thức luật (Knowledge) có thể được biểu diễn dưới dạng ngôn ngữ đặc tả XML để dễ dàng truy xuất trong các hệ tư vấn và hỗ trợ chẩn đoán. Một vấn đề nữa là khi hợp nhất nhiều nguồn dữ liệu (Data Fusion) dẫn đến đa dạng hệ luật. Khi đó các phương pháp học luật (Fuzzy Learning) sẽ được áp dụng để nâng cao hiệu năng hệ thống.+ Đề xuất các phương pháp Tính toán mờ nâng cao trong hỗ trợ chẩn đoán bệnh từ hình ảnh và dữ liệu triệu chứng.Qúa trình chẩn đoán thường bao gồm 2 pha: xác định nhóm có tiềm năng chứa bệnh và xác định danh sách các bệnh trong nhóm đó. Đối với nhiệm vụ đầu tiên, các tiếp cận mô hình hóa trên tập mờ nâng cao như tập mờ trung lập (NS), tập mờ bức tranh (PFS), v.v. thường được sử dụng do chúng có khả năng xác định các giá trị ngoại lệ, nhiễu, khuyết thiếu, v.v. thông qua các độ thuộc trung lập trong NS hay PFS. Trong xử lý ảnh y tế, các vùng ít có khả năng có bệnh như vùng nền sẽ được loại bớt. Trong xử lý dữ liệu triệu chứng, tập hợp nhóm bệnh tương tự hay nhóm triệu chứng tương tự hay nhóm bệnh nhân tương tự được lọc ra để làm cơ sở tham chiếu cho chẩn đoán. Tiếp đó, trong nhiệm vụ thứ 2 khi xác định các bệnh có thể có, tập luật đã xây dựng trong nội dung 1 sẽ được sử dụng để xác định danh sách bệnh từ ảnh/ triệu chứng. Bên cạnh đó, một số phương pháp học máy như K-hàng xóm, mạng CNN cũng có thể được sử dụng cho nhiệm vụ này. Các hệ lai hay tính toán đa mức (granular computing) cũng được sử dụng trong đánh giá và tìm tập bệnh có thể với các mức độ khác nhau.+ Xây dựng các phương pháp ra quyết định và hệ tư vấn trong chẩn đoán:Bài toán này nhằm giải quyết việc xác định bệnh có khả năng mắc lớn nhất trong danh sách các bệnh đã tìm ở nội dung trước. Yêu cầu này quy về bài toán ra quyết định (decision making problem) trong đó tiêu chí đánh giá ở dạng định tính, số bác sĩ đánh giá có thể nhiều (hội chẩn), v.v. Tiếp cận để xử lý yêu cầu này liên quan đến các phương pháp đánh giá và phân hạng mờ cho các bài toán (group) (multi-attribute) (multi-criteria) decision making. Một vấn đề nữa cần quan tâm là xây dựng hệ tư vấn phản hồi (Feedback Recommender System) trong hỗ trợ tương tác và dự báo các bệnh có nguy cơ xảy ra tiếp theo (biến chứng). Bài toán đặt ra là sau khi chẩn đoán mắc bệnh A và điều trị và tái chẩn đoán thì danh sách bệnh mới thu được cùng với kết quả đã mắc trong quá khứ (ngắn). Nếu tại thời điểm quá khứ, bệnh nhân mắc nhiều hơn 1 bệnh thì đến thời điểm tái khám, bệnh có khả năng mắc lớn nhất là bệnh nào trong cả 2 tập bệnh đã tìm từ quá khứ và hiện tại. Tiếp cận hệ tư vấn phản hồi với các thuật toán học có thể giúp giải quyết vấn đề này.Các kết quả chính của đề tài đã được công bố trong 11 bài báo, trong đó có 01 bài báo ISI uy tín, 06 bài báo Quốc tế uy tín, 01 bài báo Quốc gia uy tín, 01 bài báo Quốc tế, và 02 bài báo Hội thảo Quốc gia/quốc tế. Đề tài đã đào tạo 02 cao học và 01 Nghiên cứu sinh. Kết quả của đề tài ngoài các bài báo còn xây dựng một nhóm nghiên cứu mạnh, tổ chức seminar định kỳ tại các cơ sở Viện CNTT, ĐHQGHN và Trường ĐH Thủy Lợi trong khoảng thời gian 2019-2021.

Hình: Các kết quả chính của đề tài.

4. Một số hướng đề tài đã và đang thực hiện tiêu biểu khác

Các cán bộ nghiên cứu và cộng tác viên của phòng cũng đã và đang tham gia thực hiện và chủ trì nhiều đề tài nghiên cứu có kết quả tốt, tiêu biểu như:

• 2022 – 2023: Nghiên cứu một số kỹ thuật phát hiện Bệnh võng mạc đái tháo đường từ ảnh võng mạc dựa trên mô hình Học sâu và Tính toán mềm.
• 2022 – 2023: Nghiên cứu phát triển các kỹ thuật tư vấn nhóm và ứng dụng trong lựa chọn gói dịch vụ khám bệnh.
• 2021 – 2022: Nghiên cứu ứng dụng đồ thị tri thức trong xây dựng hệ thống hỏi đáp y tế thông minh.
• 2021 – 2022: Nghiên cứu ứng dụng mô hình học máy trong phân tích bệnh án điện tử bệnh nhân về đường tiêu hóa.
• 2020 – 2022: Ứng dụng trí tuệ nhân tạo trong phân tích và cảnh báo lũ quét, thực nghiệm cho khu vực tỉnh Lai Châu.
• 2020 – 2022: Nghiên cứu phát triển mô hình phân cụm bán giám sát mờ và ứng dụng trong hỗ trợ ra quyết định.
• 2020 – 2021: Nghiên cứu phát triển thuật toán phân cụm bán giám sát mờ viễn cảnh tin cậy và ứng dụng trong dự báo.
• 2019 – 2020: Xây dựng hệ học mờ để ứng dụng trong hỗ trợ chẩn đoán y tế
• 2018 – 2021: Nghiên cứu và phát triển mô hình tính toán hạt theo tiếp cận tập mờ và ứng dụng trong chẩn đoán nha khoa.
• 2017 – 2020: Nghiên cứu xây dựng mô hình học chuyển giao trên tập mờ phức trong các hệ hỗ trợ quyết định.

Một số công trình khoa học tiêu biểu trong 5 năm gần đây

• Phung The Huan, Pham Huy Thong, Tran Manh Tuan, Dang Trong Hop, Vu Duc Thai, Nguyen Hai Minh, Nguyen Long Giang, Le Hoang Son (2022), “TS3FCM: Trusted Safe Semi-Supervised Fuzzy Clustering Method for Data Partition with High Confidence”, Multimedia Tools and Applications, in press (SCIE, 2020 IF = 2.757), DOI = http://dx.doi.org/10.1007/s11042-022-12133-6
• Ganeshsree Selvachandran, Shio Gai Quek, Luong Thi Hong Lan, Le Hoang Son, Nguyen Long Giang, Weiping Ding, Mohamed Abdel-Basset, Victor Hugo C. de Albuquerque (2021), “A New Design of Mamdani Complex Fuzzy Inference System for Multi-attribute Decision Making Problems”, IEEE Transactions on Fuzzy Systems, 29 (4), pp. 716 – 730 (SCI, 2020 IF = 12.029), DOI = http://dx.doi.org/10.1109/TFUZZ.2019.2961350
• Le Hoang Son, Roan Thi Ngan, Mumtaz Ali, Hamido Fujita, Mohamed Abdel-Basset, Nguyen Long Giang, Gunasekaran Manogaran, Priyan MK (2020), “A New Representation of Intuitionistic Fuzzy Systems and Their Applications in Critical Decision Making”, IEEE Intelligent Systems, 35(1), pp. 6 – 17 (SCI, 2020 IF = 3.405), DOI = http://dx.doi.org/10.1109/MIS.2019.2938441
• Nguyen Long Giang, Le Hoang Son, Tran Thi Ngan, Tran Manh Tuan, Ho Thi Phuong, Mohamed Abdel-Basset, Antônio Roberto L. de Macêdo, Victor Hugo C. de Albuquerque (2020), “Novel Incremental Algorithms for Attribute Reduction from Dynamic Decision Tables using Hybrid Filter–Wrapper with Fuzzy Partition Distance”, IEEE Transactions on Fuzzy Systems, 28(5), pp. 858 – 873 (SCI, 2020 IF = 12.029), DOI = http://dx.doi.org/10.1109/TFUZZ.2019.2948586
• Roan Thi Ngan, Le Hoang Son, Mumtaz Ali, Dan E. Tamir, Naphtali D. Rishe, Abraham Kandel (2020), “Representing Complex Intuitionistic Fuzzy Set by Quaternion Numbers and Applications to Decision Making”, Applied Soft Computing, 87, pp. 105961 – 105976 (SCIE, 2020 IF = 6.725), DOI = https://doi.org/10.1016/j.asoc.2019.105961.
• Le Hoang Son, Hamido Fujita (2019), “Neural-Fuzzy with Representative Sets for Prediction of Student Performance”, Applied Intelligence, 49(1), pp. 172-187 (SCI, 2020 IF = 5.086), DOI = http://dx.doi.org/10.1007/s10489-018-1262-7
• Nguyen Tho Thong, Luu Quoc Dat, Le Hoang Son, Nguyen Dinh Hoa, Mumtaz Ali, Florentin Smarandache (2019), “Dynamic Interval Valued Neutrosophic Set: Modeling Decision Making in Dynamic Environments”, Computers in Industry, 108, pp. 45 – 52 (SCIE, 2020 IF = 7.635), DOI = http://dx.doi.org/10.1016/j.compind.2019.02.009
• Joshua Bapu, D. Jemi Florinabel, Y. Harold Robinson, E. Golden Julie, Raghvendra Kumar, Vo Truong Nhu Ngoc, Le Hoang Son, Tran Manh Tuan, Cu Nguyen Giap (2019), “Adaptive Convolutional Neural Network using N-gram for Spatial Object Recognition”, Earth Science Informatics, 12(4), pp. 525–540 (SCIE, 2020 IF = 2.878), DOI = http://dx.doi.org/10.1007/s12145-019-00396-x
• Mumtaz Ali, Le Hoang Son, Mohsin Khan, Nguyen Thanh Tung (2018), “Segmentation of Dental X-ray Images in Medical Imaging using Neutrosophic Orthogonal Matrices”, Expert Systems With Applications, 91, pp. 434-441 (SCIE, 2020 IF = 6.954), DOI = http://dx.doi.org/10.1016/j.eswa.2017.09.027
• Roan Thi Ngan, Mumtaz Ali, Le Hoang Son (2018), “d-Equality of Intuitionistic Fuzzy Sets: A New Proximity Measure and Applications in Medical Diagnosis”, Applied Intelligence, 48(2), pp. 499–525 (SCI, 2020 IF = 5.086), DOI = http://dx.doi.org/10.1007/s10489-017-0986-0.
• Mumtaz Ali, Le Hoang Son, Nguyen Dang Thanh, Nguyen Van Minh (2018), “A Neutrosophic Recommender System for Medical Diagnosis Based on Algebraic Neutrosophic Measures”, Applied Soft Computing, 71, pp. 1054-1071 (SCIE, 2020 IF = 6.725), DOI = http://dx.doi.org/10.1016/j.asoc.2017.10.012