Phân đoạn ảnh MRI não 3D tự động và trích xuất vùng xám, vùng trắng và dịch não tuỷ để hỗ trợ chẩn đoán một số bệnh - NCS. Trần Anh Tuấn

Tên đề tài luận án: Phân đoạn ảnh MRI não 3D tự động và trích xuất vùng xám, vùng trắng và dịch não tuỷ để hỗ trợ chẩn đoán một số bệnh
Ngành: Cơ sở toán cho tin học
Mã số ngành: 62460110
Họ tên nghiên cứu sinh: Trần Anh Tuấn
Khóa đào tạo: K25/2015
Người hướng dẫn khoa học: PGS.TS Phạm Thế Bảo, GS. TS. Kim Jin Young
Cơ sở đào tạo: Trường Đại học Khoa học Tự nhiên- ĐHQG.HCM
1. Tóm tắt luận án 
 Ngày nay có nhiều loại bệnh ở hệ thần kinh ảnh hưởng đến hàng triệu người trên thế giới như u não, tổn thương não, đột quy, bệnh mất trí nhớ. Các bệnh thần kinh chiếm 1/3 bệnh tật toàn cầu và ngày càng trở nên phổ biến hơn khi dân số già đi. Trong các bệnh thần kinh, bệnh Alzheimer (AD) là một trong những bệnh tốn kém nhất cho xã hội. Vì AD không thể chữa khỏi nên người bệnh phải có người chăm sóc. Hiện nay, mỗi năm chi phí cho chứng mất trí ước tính khoảng 1 nghìn tỷ đô la Mỹ và dự đoán sẽ tăng gấp đôi vào năm 2030.
Trong MRI não có nhiều vùng quan trọng rất cần thiết cho việc chẩn đoán các bệnh liên quan đến não như vùng chất trắng (WM), vùng chất xám (GM), vùng dịch não tuỷ (CSF). Trong đề tài này, chúng tôi tập trung nghiên cứu vào ba vùng quan trọng bên trong não là WM, GM và CSF vì các nghiên cứu chỉ ra rằng các vùng này có mối liên hệ mật thiết khi chẩn đoán AD. Từ những trình bày trên hình thành bài toán nghiên cứu của luận án:
- Bài toán tách hộp sọ (phân vùng não) từ MRI não 3 chiều.
- Bài toán phân vùng WM, GM và CSF từ vùng não của MRI não 3 chiều.
- Bài toán hỗ trợ chẩn đoán AD từ vùng WM, GM và CSF của MRI não 3 chiều.    
2. Những kết quả mới của luận án 
- Phương pháp cho bài toán tách hộp sọ (phân vùng não) dùng phương pháp mặt phẳng Bit và cải tiến thuật toán Fast Marching.
- Phương pháp cho bài toán tách hộp sọ (phân vùng não) bằng cách cải tiến thuật toán Region Growing.
- Phương pháp phân vùng các chất trong não tự động từ ảnh não trên MRI 3 chiều bằng cách bổ sung thông tin đầu vào cho mô hình học sâu U-Net 2 chiều.
- Phương pháp phân vùng các chất trong não tự động từ ảnh não trên MRI 3 chiều bằng cách sử dụng Adaptive U-Net 2 chiều và Local CNN.
- Phương pháp phân vùng các chất trong não tự động từ ảnh não trên MRI 3 chiều bằng cách cải tiến các Convolution trong mô hình học sâu U-Net.
- Phương pháp phân vùng các chất trong não tự động từ ảnh não trên MRI 3 chiều bằng cách sử dụng U-Net 3 chiều thu nhỏ và U-Net 2 chiều.
- Thuật toán hỗ trợ chẩn đoán AD bằng cách kết hợp CNN và XGboost, SVM.
3. Các ứng dụng/ khả năng ứng dụng trong thực tiễn hay những vấn đề còn bỏ ngỏ cần tiếp tục nghiên cứu
Bài toán phân vùng não, vùng các chất trong não và hỗ trợ chẩn đoán bệnh từ MRI não 3 chiều còn nhiều thách thức như thiếu bộ dữ liệu. Trong các nghiên cứu tiếp theo, tác giả tập trung vào các nội dung:
- Phối hợp với các trung tâm y khoa có uy tín thu thập dữ liệu để có thể triển khai thực tế.
- Phối hợp với các chuyên gia nhằm tích hợp tri thức chuyên ngành vào mô hình phân vùng các chất trong não.