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.
Tại bất kỳ mỗi thời điểm, một lượng lớn dữ liệu rất lớn đang được sinh ra trên thế giới, đặc biệt là từ các cơ sở dữ liệu giao dịch, nội dung đa phương tiện, truyền thông xã hội và các ứng dụng của cảm biến trong Internet of Things. Khi kích thước của các tập dữ liệu vượt quá khả năng thu thập, lưu trữ, quản lý và phân tích của các công cụ phân mềm cơ sở dữ liệu điển hình, chúng ta đối mặt với hiện tượng “dữ liệu lớn”, đòi hỏi phát triển các công cụ phân tích dữ liệu mới và thông minh hơn. Các thuật toán phân tích tensor truyền thống không thể giải quyết tình hình khi dữ liệu không chỉ lớn mà còn theo luồng. Để xử trí tình huống này, trong Đề tài này chúng tôi sẽ phát triển các thuật toán phân tích tensor thích nghi nhanh với độ phức tạp thấp hoặc trung bình cho các tensor bậc ba của dữ liệu lớn. Hướng tiếp cận của đề tài là sử dụng phương pháptổng quá hóa không gian con ồn nhỏ nhất (GMNS), là một phương pháp vượt trội cho việc tìm kiếm không gian con nhanh.
Xu hướng chủ yếu của các hệ thống thông minh hiện nay là được xây dựng để làm việc với dữ liệu lớn, từ nhiều nguồn khác nhau và nguồn tri thức của các hệ thống này thường được biểu diễn dưới dạng xác suất. Việc tích hợp các cơ sở tri thức của các hệ thống thông minh mà trong đó tri thức được biểu diễn dưới dạng các công thức lô-gíc hay khung tri thức đã được nghiên cứu và đã được ứng dụng rộng rãi. Tuy nhiên chúng ta cũng không thể áp dụng các khung làm việc của tích hợp tri thức đối với tri thức được biểu diễn ở dạng này sang cho các các cơ sở tri thức dạng xác suất được. Do đó việc xây dựng các khung làm việc để tích hợp tri thức được biểu diễn bằng xác suất là rất cần thiết và cần được đầu tư nghiên cứu. Các kết quả nghiên cứu lý thuyết được ứng dụng ngay trong việc xây dựng một cơ sở tri thức ngữ nghĩa Tiếng Việt thông qua tích hợp tri thức từ các nguồn rất phong phú trên Internet.
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.
Ung thư gan là loại ung thư phổ biến thứ sáu trong các loại ung thư ở trên thế giới và là nguyên nhân hàng đầu dẫn đến tử vong trong các loại ung thư ở Việt Nam. Đề tài này tập trung vào điều trị ung thư gan bằng can thiệp (liver intervention) sử dụng phương pháp song radio cao tần (RFA). Trọng tâm nghiên cứu gồm: tách vùng mạch máu của gan (liver vessel segmentation), ghép ảnh gan (liver image registration) và tách vùng bị tiêu hủy (liver ablation zone segmentation). Khó khăn chính của tách vùng mạch máu gan và tách vùng bị tiêu hủy là các phương pháp hiện tại tương đối bất tiện, đòi hỏi tương tác nhiều từ phía bác sỹ và tương đối mất thời thời gian. Với ghép ảnh gan, hiện tại vẫn chưa có một phương pháp ghép ảnh gan được sử dụng trực tiếp trong can thiệp gan RFA bởi hạn chế về tính tự động và thời gian xử lý. Hướng cải thiện chất lượng can thiệp gan RFA nhóm chúng tôi nhắm đến đó là giảm thời gian xử lý và tăng tự động hóa trong khi vẫn đảm bảo về độ chính xác, với hướng tiếp cận sử dụng công nghệ trí tuệ nhân tạo mà thành phần cốt lõi là mạng nơ-ron tích chập (CNN: convolutional neural network).
Trong khoa học và kỹ thuật, phân tích dữ liệu hiện đại đối mặt với nhiều thách thức trong các ứng dụng thực tế. Một là kết hợp dữ liệu (data fusion). Trong nhiều hệ thống thực, các quyết định cần được đưa ra trong thời gian thực hoặc nhanh nhất có thể, cùng với xử lý song song các luồng dữ liệu, mà có thể còn được sinh ra từ nhiều nguồn khác nhau nhưng có những tính chất ẩn chung. Hai là nhiễu đột biến (impulsive noise) và ngoại lai (outliers). Giả định nhiễu đột biến ngày càng phổ biến, phù hợp nhiều ứng dụng thực tế. Nhiều loại dữ liệu được tạo ra bị mất mát hoặc có ngoại lai. Ba là biểu diễn dữ liệu đa chiều. Dữ liệu ten-xơ biểu diễn toàn diện nhưng độ phức tạp tính toán lớn. Kỹ thuật phân tích thành phần chính (PCA), trích xuất các không gian con có chiều thấp. Một nhánh quan trọng của PCA là bám không gian con. PCA rất nhạy với các ngoại lai. PCA cho nhiễu đột biến hay ngoại lai gọi là PCA trơ, hiện thu hút nhiều quan tâm. PCA trơ và cho dữ liệu luồng gọi là bám không gian con trơ, khó hơn nhiều so với bám không gian con truyền thống. Đề tài nhằm phát triển phương pháp và thuật toán hiệu quả cho kết hợp dữ liệu dựa trên bám không gian con trơ cho luồng dữ liệu đa chiều từ một vài nguồn tương thông ảnh hưởng bởi nhiễu đột biến và ngoại lai. Chúng tôi nghiên cứu bám không gian con trơ có cấu trúc và kết hợp với kỹ thuật trơ để xử lý nhiễu đột biến và ngoại lai. Kết quả nghiên cứu lý thuyết được áp dụng trong một vài ứng dụng trong xử lý tín hiệu y sinh và truyền thông.
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.
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.
Nghiên cứu phát triển một hệ thống tương tác sử dụng công nghệ EEG-BMI, có khả năng thu nhận, xử lý và phân tích tín hiệu điện não (EEG) đo được từ người sử dụng, đồng thời tạo ra các kích thích hướng tới người sử dụng dưới dạng đồ họa 3D và âm thanh, để sử dụng như công cụ hỗ trợ thu thập và phân tích dữ liệu trong các nghiên cứu về các rối loạn của não bộ, đồng thời là nền tảng để phát triển các hệ thống hỗ trợ chẩn đoán các bệnh gây ra do các rối loạn của não bộ như trầm cảm, sa sút trí tuệ, …
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.
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.