Một đại học của Việt Nam được cấp bằng sáng chế châu Âu trong lĩnh vực trí tuệ nhân tạo ứng dụng y học
Văn phòng Sáng chế Châu Âu vừa cấp Bằng sáng chế số EP4432220 cho sáng chế 'Annotation of Slice Images in Volumetric Medical Images' của nhóm nghiên cứu Trường Đại học Khoa học tự nhiên, Đại học Quốc gia Thành phố Hồ Chí Minh.

Nhóm tác giả của sáng chế "Annotation of Slice Images in Volumetric Medical Images". Ảnh: VNUHCM
Ngày 30/7, theo thông tin từ Đại học Quốc gia Thành phố Hồ Chí Minh, Văn phòng Sáng chế Châu Âu (European Patent Office – EPO) vừa cấp Bằng sáng chế số EP4432220 cho sáng chế "Annotation of Slice Images in Volumetric Medical Images" của nhóm nghiên cứu Trường Đại học Khoa học tự nhiên.
Đây là bằng sáng chế châu Âu đầu tiên của Đại học Quốc gia Thành phố Hồ Chí Minh trong lĩnh vực trí tuệ nhân tạo ứng dụng y học, góp phần bổ sung danh mục tài sản sở hữu trí tuệ quốc tế của Trường Đại học Khoa học tự nhiên và hệ thống Đại học Quốc gia Thành phố Hồ Chí Minh.
Sáng chế do nhóm nghiên cứu gồm TS Lê Khánh Duy (Khoa Công nghệ Thông tin) - trưởng nhóm, PGS.TS Trần Minh Triết - Phó Hiệu trưởng Trường Đại học Khoa học tự nhiên, cùng Nguyễn Hồ Thăng Long và Phạm Minh Khôi - hai cựu sinh viên Chương trình Cử nhân Tài năng khóa 2018 của Khoa Công nghệ Thông tin, hiện là nghiên cứu sinh tại Dublin City University (Ireland), thực hiện.
Theo TS Lê Khánh Duy, sáng chế hướng đến giải quyết bài toán gán nhãn dữ liệu ảnh chụp CT và MRI - một công đoạn quan trọng trong quá trình xây dựng dữ liệu huấn luyện cho các hệ thống trí tuệ nhân tạo trong y học.
Với các bộ dữ liệu gồm nhiều lát cắt, chuyên gia phải xác định chính xác cơ quan hoặc vùng tổn thương trên từng ảnh, khiến quá trình này mất nhiều thời gian và dễ thiếu tính nhất quán giữa các lát cắt.

Ảnh: VNU
Để khắc phục hạn chế đó, nhóm nghiên cứu phát triển giải pháp hỗ trợ gán nhãn ảnh y tế ba chiều bằng cách kết hợp các thuật toán thị giác máy tính với các phương pháp hiển thị dữ liệu.
Sau khi người dùng gán nhãn hoặc hiệu chỉnh trên một lát cắt, hệ thống sẽ tự động dự đoán và lan truyền kết quả sang các lát cắt lân cận, đồng thời cung cấp mức độ tin cậy của từng kết quả để hỗ trợ kiểm tra và hiệu chỉnh khi cần thiết. Nhờ đó, thời gian gán nhãn được rút ngắn, đồng thời nâng cao tính nhất quán của dữ liệu huấn luyện.
Nhóm nghiên cứu kỳ vọng giải pháp này sẽ được tích hợp vào các phần mềm gán nhãn dữ liệu hình ảnh y tế, góp phần tạo ra nhiều bộ dữ liệu chất lượng cao hơn để phục vụ nghiên cứu và phát triển các hệ thống AI trong chẩn đoán, phân tích ảnh y khoa.












