Trí tuệ nhân tạo (AI) đã và đang trở thành xu hướng tất yếu trong giải quyết các bài toán thực tiễn và ngày càng được nhiều ngành, nhiều nhà khoa học quan tâm, đầu tư nghiên cứu, trong đó có các nghiên cứu áp dụng AI trong lĩnh vực y tế. Một trong những lĩnh vực ứng dụng trí tuệ nhân tạo trong y tế là phát triển các công nghệ thị giác máy tính trong tự động phân tích ảnh y tế, hỗ trợ các bác sỹ trong chẩn đoán hình ảnh. Trong những năm gần đây, nghiên cứu phát triển các mô hình học sâu, kỹ thuật thị giác máy tính tiên tiến để phân tích ảnh nội soi đại tràng tự động phát, phân vùng các polyp trên ảnh nội soi đại tràng hỗ trợ các bác sỹ trong chẩn đoán nội soi đại tràng, sàng lọc phát sớm ung thư đại tràng là một trong những chủ đề nghiên cứu thu hút rât nhiều nhóm nhiên cứu trên thế giới. Luận án này tập trung vào giải quyết bài toán phân vùng polyp trên ảnh nội soi đại tràng sử dụng các mô hình học sâu và kỹ thuật thị giác máy tính tiên tiến. Các kết quả chính của luận án bao gồm:
(i) Nghiên cứu, phân tích, đánh giá các mô hình học sâu phân vùng đối tượng trên ảnh; Nghiên cứu các đặc trưng của các bộ dữ liệu ảnh nội soi; Khảo sát, phân tích, đánh giá các bộ dữ liệu ảnh nội soi đại tràng chuẩn đã được công bố cho hiện nay và các dữ liệu ảnh nội soi thu thập được từ hệ thống PACS của Bệnh viện Quân y 103. Từ đó đề xuất các phương pháp phân vùng polyp trên ảnh nội soi đại tràng có độ chính xác và tính tổng quát hóa tốt, có thể làm nền tảng cho các ứng dụng triển khai trên thực tế với các dữ liệu rất đa dạng
(ii) Nghiên cứu kỹ thuật học chuyển giao để chuyển giao các tri thức học được của các mạng đã huấn luyện sẵn trên các bộ dữ liệu lớn vào giải quyết bài toán trên lĩnh vực ảnh nội soi đại tràng với dữ liệu huấn luyện có gán nhãn ít hơn rất nhiều
(iii) Nghiên cứu các mô hình học tự giám sát nhằm khai thác kho dữ liệu không được gán nhãn thu thập được từ các hệ thống PACS của các bệnh viện để nâng cao độ chính xác của hệ thống học sâu phân vùng polyp trên ảnh nội soi tràng. Từ đó đề xuất một phương pháp học tự giám sát các đặc trưng thị giác với tác vụ giả định là tác vụ tái tạo ảnh nội soi, tác vụ mục tiêu là tác vụ phân vùng ảnh nội soi.
(iv) Nghiên cứu các phương pháp tăng cường dữ liệu cho hệ thống học sâu, từ đó đề xuất phương pháp sinh dữ liệu ảnh nội soi có chứa polyp tổng hợp để tăng cường dữ liệu cho mô hình học sâu phân vùng polyp.