PTN Sức khỏe Não bộ và Trí tuệ nhân tạo | Khoa Kỹ thuật Y Sinh, Đại học Quốc tế

Nội dung này được dịch bằng AI. Vui lòng tham khảo trang tiếng Anh để có thông tin chính xác hơn

ĐỊA ĐIỂM

Phòng LA1.513, Trường Đại học Quốc tế, Đại học Quốc gia Việt Nam

HƯỚNG NGHIÊN CỨU

Phòng thí nghiệm Sức khỏe Não bộ

PHÁT TRIỂN HỆ THỐNG VÀ PHƯƠNG PHÁP CHẨN ĐOÁN VÀ GIÁM SÁT CÁC BỆNH THOÁI HÓA VÀ THẦN KINH

Bệnh Alzheimer (AD) là dạng thoái hóa thần kinh phổ biến nhất, không có cách chữa trị và ảnh hưởng đáng kể đến chất lượng cuộc sống của bệnh nhân. Việc chẩn đoán AD và các bệnh thoái hóa thần kinh khác vẫn chưa tối ưu, đặc biệt là trong bối cảnh dân số Việt Nam đang già hóa.

Mục tiêu nghiên cứu:

Phát triển hệ thống và phương pháp đơn giản, hiệu quả, chi phí thấp để chẩn đoán các bệnh thoái hóa thần kinh (AD, sa sút trí tuệ mạch máu, đột quỵ hoặc u não).
Điều tra các yếu tố ảnh hưởng đến tiến triển bệnh (bao gồm cách tiếp cận tính toán và phân tử). Tạo ra ứng dụng can thiệp để ngăn ngừa sa sút trí tuệ.
Phát triển hệ thống và phương pháp chẩn đoán sớm bệnh Alzheimer bằng EEG, fNIRS, OCTA, v.v.

PHÁT TRIỂN HỆ THỐNG VÀ PHƯƠNG PHÁP ĐÁNH GIÁ VÀ CẢI THIỆN SỨC KHỎE TÂM THẦN

Rối loạn tâm thần như trầm cảm, lo âu, và hưng cảm phổ biến ở nhiều độ tuổi khác nhau, bao gồm thanh thiếu niên, sinh viên đại học, người trong độ tuổi lao động, và người cao tuổi. Ở Việt Nam, nhận thức còn hạn chế do thiếu các phương pháp chẩn đoán chính xác và chi phí thấp. Hơn nữa, ngay cả sau khi chẩn đoán, bệnh nhân thường nhận được thuốc không hiệu quả mà không có các liệu pháp hỗ trợ.

Mục tiêu nghiên cứu:

Điều tra và thiết kế các hệ thống và phương pháp mới để chẩn đoán căng thẳng và các rối loạn tâm thần phổ biến.
Khám phá các phương pháp tiềm năng như thiền định và âm nhạc alpha trong việc cải thiện các rối loạn này và các đo lường sinh trắc học liên quan.

Phòng thí nghiệm AI Não bộ

CHẨN ĐOÁN RỐI LOẠN GIẤC NGỦ BẰNG THIẾT BỊ ĐEO

Ngưng thở khi ngủ là một rối loạn giấc ngủ nghiêm trọng, trong đó hô hấp bị ngừng và bắt đầu lại, gây ra tiếng ngáy lớn và mệt mỏi liên tục. Nó có ba loại chính: ngưng thở khi ngủ tắc nghẽn, ngưng thở khi ngủ trung ương, và hội chứng ngưng thở khi ngủ phức tạp.
Mục tiêu nghiên cứu: Phát triển hệ thống đa ký giấc ngủ chi phí thấp/thiết bị đeo để nhận dạng các giai đoạn giấc ngủ và chẩn đoán các bệnh liên quan.

TÂM THẦN CHÍNH XÁC

Rối loạn tâm thần là những bệnh ảnh hưởng đến tâm trạng, tư duy và hành vi của bạn, dẫn đến căng thẳng, suy giảm chức năng và chất lượng cuộc sống thấp.
Mục tiêu nghiên cứu: Phát triển hệ thống tâm thần chính xác để chẩn đoán các rối loạn tâm thần bằng cách áp dụng trí tuệ nhân tạo và tín hiệu sinh lý.

AI ÁP DỤNG TRONG HÌNH ẢNH Y KHOA

Đôi mắt, chịu trách nhiệm cho 80% ấn tượng cảm giác của con người, dựa vào vai trò quan trọng của võng mạc. Có các dấu ấn sinh học để phát hiện các bệnh tâm thần và thoái hóa thần kinh tồn tại trong võng mạc.
Mục tiêu nghiên cứu: Phát triển các thuật toán AI để phân tích tự động hình ảnh võng mạc nhằm phát hiện nhiều bệnh bao gồm cả bệnh tâm thần và thoái hóa thần kinh.

GIAO DIỆN NÃO – MÁY TÍNH

Giao diện não-máy tính (BCI) là một con đường trực tiếp giữa một não bộ tăng cường và một thiết bị bên ngoài, cho phép giao tiếp hoặc điều khiển thông qua tín hiệu não thay vì các con đường truyền thống như dây thần kinh và cơ bắp.
Mục tiêu nghiên cứu: Phát triển hệ thống BCI để phục hồi chức năng nhận thức hoặc cảm giác-vận động của con người

SẢN PHẨM NGHIÊN CỨU

BRAIN ANALYTICS

Brain Analytics là một nền tảng website được triển khai với trí tuệ nhân tạo (AI) để tính toán xác suất mắc bệnh Alzheimer từ hình ảnh MRI đầu vào. Nó hỗ trợ các bác sĩ chẩn đoán hình ảnh trong việc phát hiện bệnh Alzheimer ở giai đoạn sớm. Bằng cách sử dụng nền tảng của chúng tôi, bác sĩ có thể nhận được kết quả chính xác cao trong vòng 10 phút, và số lượng bác sĩ cần thiết giảm từ bốn xuống một.

BRAIN TRAIN

Ứng dụng BrainTrain phát triển các trò chơi rèn luyện nhận thức dựa trên khoa học thần kinh nhằm vào bệnh nhân suy giảm nhận thức nhẹ (MCI). BrainTrain mong muốn cung cấp cho bệnh nhân MCI một môi trường rèn luyện khoa học cho cơ quan quan trọng nhất của cơ thể, để cải thiện chức năng nhận thức và ngăn ngừa sa sút trí tuệ.

SKIN DETECTIVE

Skin Detective – một ứng dụng di động tích hợp trí tuệ nhân tạo (AI) bởi Công ty AI Y tế, có khả năng phân tích tự động tình trạng da và các bệnh da liễu, kết nối người dùng với các bác sĩ da liễu để chẩn đoán từ xa.

CÔNG BỐ KHOA HỌC & GIẢI THƯỞNG

Phan, T. N. M., Nguyen, H. T., Huynh, T. N. M., Nguyen, T. H., Tran, T. N. Y., & Ha, H. T. T. (2022, December). Development and Commercialization of a Brain Training App Targeting the Vietnamese Elderly. In International Conference on the Development of Biomedical Engineering in Vietnam (pp. 719-737). Cham: Springer Nature Switzerland.
Nguyen, T. T. Q., Hoang, C. B. D., Hoang Le, M. D., Anh Vo, N. T., Quang, H., Nguyen, C. M., … & Thanh Huong Ha, T. (2023). Assessing cognitive decline in Vietnamese older adults using the Montreal Cognitive Assessment-Basic (MoCA-B) and Informant Questionnaire on Cognitive Decline in the Elderly (IQCODE) during the COVID-19 pandemic: a feasibility study. The Clinical Neuropsychologist, 1-19.
Nguyen, M. T. D., Xuan, N. Y. P., Pham, B. M., Do, H. T. M., Phan, T. N. M., Nguyen, Q. T. T., … & Ha, H. T. T. (2023). Optimize temporal configuration for motor imagery-based multiclass performance and its relationship with subject-specific frequency. Informatics in Medicine Unlocked, 36, 101141.
Nguyen, D., Nguyen, H., Ong, H., Le, H., Ha, H., Duc, N. T., & Ngo, H. T. (2022). Ensemble learning using traditional machine learning and deep neural network for diagnosis of Alzheimer’s disease. IBRO Neuroscience Reports, 13, 255-263.
L. Ngo, J. Cha and J. -H. Han, “Deep Neural Network Regression for Automated Retinal Layer Segmentation in Optical Coherence Tomography Images,” in IEEE Transactions on Image Processing, vol. 29, pp. 303-312, 2020, doi: 10.1109/TIP.2019.2931461.
Ngo, L. and Han, J.-.-H. (2017), Multi-level deep neural network for efficient segmentation of blood vessels in fundus images. Electron. Lett., 53: 1096-1098. https://doi.org/10.1049/el.2017.2066
Le, D. N. T., Le, H. X., Ngo, L. T., & Ngo, H. T. (2020). Transfer learning with class-weighted and focal loss function for automatic skin cancer classification. CoRR, abs/2009.05977. Retrieved from https://arxiv.org/abs/2009.05977

BRAIN ANALYTICS