Nghiên cứu của chúng tôi tập trung vào việc xây dựng một mô hình học sâu hiệu quả để hỗ trợ chẩn đoán bệnh phổi từ ảnh X-quang, đồng thời tích hợp mô hình này vào một quy trình MLOps hoàn chỉnh để đảm bảo khả năng triển khai, quản lí và cập nhật trong môi trường thực tế. Với mục tiêu cân bằng giữa độ chính xác và tính khả thi khi triển khai, trong quá trình nghiên cứu, chúng tôi đã đề xuất một mô hình lai mới mang tên Conv-MobileViT-Tiny với mong muốn kết hợp ưu điểm giữa các khối ConvNeXt và MobileViT để trích xuất các đặc trưng liên quan đến vùng ngực. Conv-MobileViT-Tiny đạt được AUC lên đến 90,65% trên bộ dữ liệu CheXpert, đồng thời có cấu trúc nhẹ, phù hợp để triển khai trong thực tế.
Trong nghiên cứu này, tôi đề xuất một mô hình lai nhẹ có tên là FusionNet, hướng đến hai mục tiêu chính: tối ưu về độ trễ suy luận và có độ chính xác nhận diện cao. Tốc độ thực thi của mô hình được cải thiện thông qua việc tối ưu hoá và kết hợp hai khối kiến trúc cốt lõi của ShuffleNet và SepVit. Bên cạnh đó, độ chính xác cao của mô hình xuất phát điểm từ thiết kế lai của mô hình, kết hợp hai khối kiến trúc tiềm năng nêu trên, đại diện cho hai loại hình kiến trúc CNN và Transformer.
Trong những năm gần đây, sự lớn mạnh không ngừng của trí tuệ nhân tạo đã và đang khẳng định vị thế cốt lõi, kiến tạo nên những bước chuyển đột phá, định hình lại mô hình phát triển kinh tế - xã hội, đem lại hàng ngàn lợi ích đối với sự phát triển toàn cầu về mọi mặt. Máy học (Machine learning) và học sâu (Deep learning) đã có những bước tiến đáng kể và mở ra hàng ngàn ứng dụng rộng rãi trong hầu hết lĩnh vực thực tiễn. Trong đó, thị giác máy tính (Computer vision) là một trong số các lĩnh vực nổi bật nhất của học sâu, đem lại nhiều đóng góp to lớn trong các tác vụ nhận diện đối tượng, phân loại ảnh, phát hiện vật thể.
Đề tài hướng đến xây dựng một hệ thống hỗ trợ chẩn đoán bệnh Alzheimer thông qua việc kết hợp mô hình học sâu với ứng dụng web nhằm hỗ trợ cả người dùng và bác sĩ trong quá trình phát hiện, theo dõi và quản lý bệnh lý một cách chính xác, hiệu quả và thuận tiện. Bệnh Alzheimer là một trong những bệnh lý thần kinh phổ biến và nguy hiểm ở người cao tuổi, tuy nhiên việc phát hiện sớm bệnh lại gặp nhiều khó khăn do biểu hiện không rõ ràng trong giai đoạn đầu.
Thông thường, để đánh giá chất lượng của đường liên kết không dây có hai cách, cách đầu tiên là sử dụng các phương pháp truyền thống, và cách thứ hai là sử dụng các mô hình học máy để đánh giá trên một tập dữ liệu thể hiện các thông tin của một kết nối và nhãn chính là chất lượng của kết nối đó. Tuy nhiên, tôi chỉ tập trung vào nghiên cứu và áp dụng mô hình ML để học trên một tập dữ liệu và bỏ qua các phương pháp truyền thống vì máy học là phương pháp tiềm năng và linh hoạt hơn.
Một trong những phương pháp phát hiện lừa đảo phổ biến nhất là hệ thống signaturebased. Hệ thống signature-based thường bao gồm một danh sách đen các URL bị từ chối, trong đó URL của web đến được so sánh với tất cả các URL trong danh sách. Nếu tìm thấy kết quả khớp chính xác, URL đến sẽ bị đánh dấu là độc hại và sẽ bị loại bỏ hoặc cảnh báo sẽ được đưa ra cho người dùng. Mặc dù phương pháp này mang lại tỷ lệ false positive thấp và dễ triển khai nhưng nó có một số hạn chế.
