HỆ THỐNG AI PHÂN TÍCH HÌNH ẢNH NÃO BỘ
Phan Minh Nhật, sinh viên Trường Đại học Bách khoa – Đại học Đà Nẵng, đã phát triển thành công hệ thống MedCapSys – một nền tảng trí tuệ nhân tạo có khả năng phân tích ảnh cộng hưởng từ (MRI) não và tự động tạo báo cáo chẩn đoán y khoa.
Dự án xuất sắc này đã giành giải Nhất tại Hội nghị Khoa học và Triển lãm Công nghệ toàn quốc 2024–2025.
1. Chẩn đoán ảnh não – Bài toán khó trong y học hiện đại:
Theo Minh Nhật, chẩn đoán ảnh MRI não là một trong những thách thức lớn, đòi hỏi độ chính xác gần như tuyệt đối và tuân thủ nghiêm ngặt các chuẩn mực chuyên ngành. Trong khi các hệ thống AI hiện nay vẫn tồn tại hiện tượng “ảo giác” – sinh ra thông tin không có thật, thì MedCapSys lựa chọn một hướng đi khác: tăng cường ngữ cảnh đầu vào bằng cách cung cấp thêm thông tin về chuỗi xung, góc chụp, vị trí tổn thương cho AI.
“Thay vì để AI tự diễn giải toàn bộ bức ảnh, hệ thống của tôi tiếp cận bằng cách giúp AI hiểu đúng ngữ cảnh, từ đó tăng độ tin cậy và giảm thiểu sai lệch khi phân tích”, Nhật chia sẻ.
2. Cấu trúc và quy trình hoạt động của hệ thống ai MedCapSys:
Hệ thống gồm 4 module chính, mỗi module đảm nhiệm một nhiệm vụ riêng biệt trong quy trình xử lý ảnh y tế:
- MedCapNet: Mô hình mã hóa – giải mã ảnh MRI, tự động tạo chú thích chuyên biệt.
- GuidedDCNet: Mô hình phân loại tổn thương khuếch tán, hỗ trợ phát hiện u não và các bất thường.
- GuidedSegDiff: Mô hình phân đoạn tổn thương giúp xác định chính xác vị trí, kích thước và số lượng vùng tổn thương.
- BrainMedQwen: Mô hình ngôn ngữ thị giác (vision-language model), tổng hợp toàn bộ dữ liệu và tạo ra báo cáo chẩn đoán hoàn chỉnh.
Toàn bộ quy trình được tự động hóa từ tiếp nhận ảnh đầu vào (2D/3D), tiền xử lý, phân loại, chú thích, phân đoạn cho đến xuất bản báo cáo. Cấu trúc module hóa giúp hệ thống linh hoạt nâng cấp từng phần mà không làm ảnh hưởng đến toàn bộ kiến trúc.
3. Dữ liệu và công nghệ nền tảng của hệ thống ai MedCapSys:
Dữ liệu huấn luyện hệ thống đến từ các nguồn công khai và uy tín trong ngành như:
- Radiology Objects in Context
- Multimodal Brain Tumor Segmentation Challenge (BraTS 2020)
- Figshare, SARTAJ, Br35H
Hệ thống còn ứng dụng Segment Anything Model 2 (SAM2) của Meta để hỗ trợ quá trình gắn nhãn tự động, kết hợp tinh chỉnh thủ công nhằm nâng cao chất lượng dữ liệu.
4. hệ thống ai – Tính thực tiễn và kỳ vọng trong ứng dụng lâm sàng:
Hiện MedCapSys đang ở giai đoạn phục vụ nghiên cứu, chưa triển khai thực tế tại các cơ sở y tế.
Theo đó, modul GuidedDCNet đang trong quá trình phản biện tại Tạp chí quốc tế ETRI (Scopus Q2).
TS Nguyễn Văn Hiệu, Trưởng bộ môn Công nghệ phần mềm – Trường Đại học Bách khoa, nhận định:
“So với các nghiên cứu lớn như Med-Gemini của Google, hệ thống của Nhật vẫn giữ được sự độc đáo riêng, với trọng tâm là phân tích ảnh y tế chuyên sâu kết hợp báo cáo tự động, điều mà nhiều hệ thống hiện tại chưa khai thác triệt để.”
Tóm lại, MedCapSys có triển vọng ứng dụng lâm sàng, mở ra hướng tiếp cận an toàn trong AI y tế và chứng minh tiềm năng sinh viên Việt Nam!
Tìm hiểu thêm các tin công nghệ mới nhất tại Tin tức Trí tuệ nhân tạo AI của Song Nguyên.
Trích dẫn : nguồn VnExpress
