Công nghệ thần kinh

Nhóm nghiên cứu Công nghệ Thần kinh của Viện Tiên tiến về Kỹ thuật và Công nghệ (AVITECH) được thành lập vào tháng 4/2019, với mục tiêu phát triển thành một trung tâm nghiên cứu liên ngành về công nghệ thần kinh, có năng lực nghiên cứu, phát triển, đào tạo và chuyển giao các công nghệ và sản phẩm ứng dụng của công nghệ thần kinh trong các lĩnh vực y tế, chăm sóc sức khỏe, giáo dục, …

Thành viên chính

TS. Lê Vũ Hà, Trưởng nhóm nghiên cứu

TS. Phùng Mạnh Dương

GS. Hà Quang Phúc, Cố vấn quốc tế

Giao diện não – máy (BMI)

Hướng nghiên cứu nhằm phát triển các hệ thống tương tác sử dụng các công nghệ EEG-BMI và thực tại ảo (VR), 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 và trị liệu các bệnh gây ra do các rối loạn của não bộ như trầm cảm, sa sút trí tuệ, …

Xử lý tín hiệu điện não EEG hỗ trợ chẩn đoán và điều trị động kinh

Epilepsy is a set of chronic neurological disorders, which can be characterized by seizures and epileptiforms. Epileptic seizures result from abnormal, excessive or hyper synchronous neuronal activity in the brain. Epileptiforms are waveforms related to epilepsy, such as spikes, sharp waves and spike-wave complexes and occur before or after a seizure. Scalp electroencephalogram (EEG), which is the recording of electrical activity of the brain, measures voltage fluctuations resulting from ionic current flows within the neurons of the brain by using electrodes placed on the scalp. Among different tools for epilepsy analysis, scalp EEG remains the most accessible method. Despite limited spatial resolution, EEG continues to be a valuable tool for research and diagnosis, especially when millisecond-range temporal resolution is required. In the procedure of epilepsy diagnosis, automatic spike detection is important because it can provide much information, such as spike density and patient syndrome. Much effort has been spent on spike detection over the last 40 years. While manual spike detection via visual identification by neurologists is very time consuming, state-of-the-art automatic spike detection remains difficult for a number of reasons. In this research direction, we develop software systems to detect epileptic spikes automatically.

Một số công bố khoa học

Nguyen Thi Anh-Dao, Nguyen Linh-Trung, Nguyen Van-Ly, Tan Tran-Duc, Hoang-Anh The Nguyen, and Boualem Boashash. A multistage system for automatic detection of epileptic spikes. REV Journal on Electronics and Communications, 8(1–2):1–13, January–June 2018.

Le Thanh Xuyen, Le Trung Thanh, Dinh Van Viet, Tran Quoc Long, Nguyen Linh-Trung, and Nguyen Duc Thuan. Deep learning for epileptic spike detection. VNU Journal of Science: Computer Science and Communication Engineering, 33(2):1–13, December 2017.

• Nguyen Thi Anh-Dao, Le Trung Thanh, Nguyen Linh-Trung, and Ha Vu Le. Nonnegative tensor decomposition for EEG epileptic spike detection. 2018 NAFOSTED Conference on Information and Computer Science (NICS), pages 196–201, Hanoi, Vietnam, November 2018. [Best paper award]Le Thanh Xuyen, Le Trung Thanh, Nguyen Linh Trung, Tran Thi Thuy Quynh, Nguyen Duc Thuan. EEG source localization: A new multiway temporal-spatial-spectral analysis. 2019 NAFOSTED Conference on Information and Computer Science (NICS), Hanoi, Vietnam, December 2019.

  Le Trung Thanh, Nguyen Thi Anh Dao, Nguyen Viet Dung, Nguyen Linh Trung, Karim Abed-Meraim. Multichannel EEG epileptic spike detection by a new method of tensor decomposition. IOP Journal of Neural Engineering, 17(1):016023, January 2020.

  Thông tin khác

  Liên hệ: TS. Lê Vũ Hà