Interference mitigation, performance, and simulation tool for beam-steering visible light communications networks

Visible light communications (VLC) is considered as the advanced technology for providing indoor communications services in the future. Because VLC access points (VLC-AP) have small coverage, a VLC network needs to deploy multi VLC-APs for providing communications services in large indoor areas.  In this project, we investigate interference mitigation methods of adjacent lightbeams and handover solutions for maintaining connections when users move between VLC-APs. 


Fast tensor decomposition algorithms for big data analysis

Large volumes of data are being generated at any given time, especially from transactional databases, multimedia content, social media, and applications of sensors in the Internet of Things. When the size of datasets is beyond the ability of typical database software tools to capture, store, manage, and analyze, we face the phenomenon of big data for which new and smarter data analytic tools are required. Classical tensor decomposition algorithms cannot handle the situation when the data are not only big but also streaming. To tackle this situation, in this Project we will develop fast adaptive tensor decomposition algorithms, with low or average complexity for third-order big and streaming data tensors. The enabling ingredient for the above development is the generalized minimum noise subspace method (GMNS), an excellent method for fast subspace tracking.


Probabilistic knowledge integration in intelligent systems

The major trend of smart systems is to work with big data, from a variety of sources, and the knowledge sources of these systems are often expressed in terms of probability. The integration of knowledge bases of intelligent systems in which knowledge is expressed in the form of logical formulas or knowledge frames has been studied and has been widely applied. However, we cannot apply these knowledge integration frameworks for knowledge represented in this form to probabilistic knowledge bases. Therefore, the construction of frameworks for integrating knowledge represented by probability is essential, and it is necessary to invest in research. The theoretical results are applied immediately in building a Vietnamese semantic knowledge base through the integration of knowledge from rich sources on the Internet.


Cyber-attack detection and information security in Industry 4.0

Information and communication technology (ICT) is expected to play an increasingly pivotal role in deepening economic integration and community building across the Association of Southeast Asian Nations (ASEAN), transitioning towards a digitally-enabled economy that is secure, sustainable, and transformative. The project aims to provide tools to enhance cyber-security in Industry 4.0, contributing to the enhancement of information reliability for smart society. In particular, it will develop (i) an innovative method to detect cyber-security threats in Industry 4.0 using advanced deep learning technology, (ii) an unprecedented framework to protect massive Industry 4.0 data from cyber-attacks using blockchain technology, and (iii) novel security solutions at the physical interface of information transmission using physical-layer security technology.


CT image analysis for liver cancer intervention using convolutional neural networks

Liver cancer is the sixth most common cancer worldwide and the most common cause of death from cancer in Vietnam. In this project, we focus on liver intervention for liver cancer treatment using the radiofrequency ablation (RFA) method. Potential future technology for RFA liver intervention includes: liver vessel segmentation, liver image registration and liver ablation zone segmentation. To develop better methods for RFA liver intervention, our approach to improving quality, processing time, and automation is to use a special class of deep learning methods called convolutional neural networks (CNNs), in which we propose to take into account structural prediction. In terms of performance, we also propose a new reference framework of performance comparison of liver registration methods by taking into account information about internal sections of the liver.


Robust and structured subspace tracking

Modern data analysis faces several challenges in real-life applications. Many real-life systems are required to make decision in (near) real-time while handling several streaming datasets in parallel. In many practical applications, impulsive noise and outliers appear in the data. Tensor datasets are expected to bring more versatile representation than conventional vector or matrix datasets, at the expense of high computational complexity. How to efficiently fuse data from several large-scale high-dimensional streaming data sources? In data analysis, principal component analysis (PCA) is widely used for extracting low-dimensional subspaces from high-dimensional data. Subspace tracking, an important class of PCA, has drawn much attention. It is well-known that PCA is very sensitive to impulsive noise and outliers. PCA for impulsive noise and outliers is robust PCA. Robust PCA for streaming data is robust subspace tracking and is much difficult. The project aims to develop efficient data fusion methods and algorithms based on robust subspace tracking, for high-dimensional streaming data from several relevant sources affected by impulsive noise and outliers. We approach robust structured subspace tracking. Structured subspace tracking facilitates us to fuse data. When used with robust techniques, it helps deal with impulsive noise and outliers. We also want to illustrate and validate the developed methods and algorithms in biomedical signal processing and communications.


System identification: from blind to informed paradigm

Nhận dạng hệ thống (SI: system identification) là bài toán xây dựng mô hình toán học của các hệ thống động chưa biết trước, dựa trên dữ liệu quan sát, đo lường được. Đây là một bài toán ngược (bài toán nghịch đảo), trong đó ta cần xác định mối quan hệ giữa đầu ra và đầu vào của hệ thống nhằm khôi phục hoặc trích xuất thông tin. Bài toán này là cần thiết trong nhiều lĩnh vực, ví dụ như điều khiển, viễn thông, nhận dạng giọng nói, phục hồi hình ảnh, xử lý tín hiệu địa chấn, xử lý tín hiệu y sinh, trong đó ta cần hiểu được hệ thống đang xem xét và từ đó có thể điều khiển được những trạng thái, hành vi của nó. Trong nhiều trường hợp, chúng ta không có dữ liệu của đầu vào hệ thống, tất cả các dữ liệu mà chúng ta có được là của đầu ra hệ thống. Lúc đó, ta không thể áp dụng các phương pháp nhận dạng hệ thống chuẩn tắc được, chẳng hạn như các phương pháp được tổng kết trong. Thay vào đó, cần xử lý bài toán nhận dạng chỉ sử dụng đầu ra của hệ thống. Bài toán nhận dạng hệ thống lúc này được gọi là nhận dạng hệ thống bằng xử lý “mù”, gọn là nhận dạng hệ thống mù (BSI: blind system identification). Mặc dù nhận dạng hệ thống mù đã được nghiên cứu, phát triển sâu sắc trong ba thập kỷ qua và hiệu năng của các giải pháp nhận dạng hệ thống gần như đạt giới hạn, còn rất nhiều tình huống thực tế mà các giải pháp nhận dạng hệ thống mù hiện hành vẫn còn những hạn chế khi áp dụng. Một trong những hạn chế là chất lượng nhận dạng chưa đạt yêu cầu. Đây là một thách thức căn bản vì nó xuất phát từ hạn chế của chính bản thân các kỹ thuật xử lý mù, mà hiện nay gần như đã đạt đến giới hạn hiệu năng. Một lẽ tự nhiên, cách thức để vượt qua thách thức căn bản trên, cải thiện căn bản chất lượng nhận dạng hệ thống mù, là tích hợp thêm thông tin khác vào quá trình nhận dạng, gọi là tri thức mới. Bài toán mới của nhận dạng hệ thống lúc này được gọi là nhận dạng hệ thống với tri thức mới (ISI: informed system identification). Mục tiêu của đề tài là nghiên cứu bài toán nhận dạng hệ thống với tri thức mới để cải thiện căn bản chất lượng nhận dạng hệ thống, trong đó khai thác nhiều loại thông tin, đặc biệt quan tâm tới thông tin học được bởi những tiến bộ của các kỹ thuật học hiện hành.

Signal and data processing of vital sign data

The outbreak of infectious diseases is threatening global health. Especially, in the South-East Asia region have been at serious risk. At mass gathering places, such as, airport quarantine facilities, public health centers, and hospital out patients units, rapid and highly reliable screening methods of infection are urgently needed during the epidemic season for preventing the spread of infection. The goal of this project is to develop signal and data processing method of the data from the multiple vital-sign-based infections screening system to improve the screening rate.


Brain-machine interface based system aimed at assisting diagnosis of brain disorders

The research is aimed at developing an EEG-BMI-based interactive system capable of real-time processing and analyzing EEG signals in order to generate audio-visual neurofeedback (sounds and 3D graphics), to be used as a platform for data acquisition, research, and development of computerized systems to assist diagnosis and treatment of brain disorders like depression and dementia.

Extended picture archiving and communication system

Trong quá trình số hóa dữ liệu ảnh y tế, hệ thống PACS được sử dụng rộng rãi tại các bệnh viện và các trung tâm y tế.Trong nghiên cứu này, chúng tôi xây dựng một hệ thống lưu trữ và truyền thông ảnh mở rộng phục vụ bác sỹ trong quá trình chẩn đoán bệnh. Hệ thống PACS mở rộng được xây dựng dựa trên nền tang mã nguồn mở, cho phép tương thích với các chuẩn truyền thông ảnh y tế hiện tại. Tính năng mở rộng được tập trung vào việc xây dựng tính năng cho phép người sử dụng có thể xem ảnh y tế bằng các thiết bị di động như labtop và máy tính bảng trên nền tảng web, android, từ đó nâng cao khả năng tương tác trong quá trình chẩn đoán và điều trị bệnh nhân từ xa. Thêm vào đó, hệ PACS mở rộng được thiết kể cho phép mở rộng về quy mô và có thể tích hợp các module có tính năng xử lý ảnh. Định hướng mở rộng quy mô hướng tới mục tiêu cho phép kết nối bệnh viện và các trung tâm y tế vệ tinh với nhau, tái sử dụng dữ liệu của bênh nhân.


Cải thiện phương pháp phân loại và sắp xếp bộ nhiễm sắc thể (English)

Phân loại và sắp xếp bộ nhiễm sắc thể dựa trên công nghệ xử lý ảnh y sinh có vai trò quan trọng trong việc phân tích gen, từ đó cho phép bác sỹ có những chẩn đoán về các bệnh lý và hội chứng liên quan đến gen di truyền ví dụ như hội chứng Down, ung thư máu,vv. Với công nghệ chẩn đoán bệnh hiện tại, bác sỹ sử dụng các phưng pháp xử lý ảnh cổ điển bán tự động để cắt và phân tách từng bộ nhiễm sắc thể. Việc ghép các nhiễm sắc thể thành các bộ nhiễm sắc thể trong 23 bộ nhiễm sắc thể của người sử dụng những phương pháp phân loại tự động cổ điển thường có số lớn, đòi hỏi bác sỹ phải thao tác trực tiếp sắp xếp, mất nhiều công sức và thời gian. Trong nghiên cứu này chúng tôi tìm hiểu vấn sử dụng công nghệ trí tuệ nhân tạo với công nghệ lõi là mạng nơ-ron tích chập để cải thiện quá trình tự động phân cặp bộ nhiễm sắc thể, từ đó làm cơ sở để tự động phát hiện những nhiễm sắc thể bất thường, trợ giúp bác sỹ đưa ra khả năng về sự bất thường trong bộ nhiễm sắc thể của bệnh nhân.