Nghiên cứu ứng dụng máy học vào y khoa của Tiến sĩ Anchit Bijalwan xuất bản trên tạp chí Q1 và Q2

Tiến sĩ Anchit Bijalwan, một giảng viên cấp cao tại Khối ngành Khoa học Máy tính & Công nghệ tại Trường Đại học Anh Quốc Việt Nam (BUV), đã có những đóng góp đáng kể trong cả lĩnh vực y học và học máy, như được thể hiện qua những nghiên cứu gần đây của ông. Trong hai tháng đầu của năm nay, Tiến sĩ Bijalwan đã viết ba bài báo trong lĩnh vực kết hợp này, mang lại cái nhìn sâu sắc và hiểu biết sâu rộng về học máy trong y học, góp phần vào sự phát triển tương lai của các liệu pháp cho ung thư phổi và ung thư da.

Ngày nay, việc sử dụng máy học trong y khoa để phân tích dữ liệu và hỗ trợ chẩn đoán, điều trị và quản lý sức khỏe đang phổ biến. Sự kết hợp giữa trí tuệ nhân tạo và y học này đã và đang mang lại nhiều lợi ích to lớn cho nhân loại.

Tiến sĩ Bijalwan là một giảng viên cấp cao tại Khối ngành Khoa học Máy tính & Công nghệ tại Trường Đại học Anh Quốc Việt Nam (BUV). Các lĩnh vực nghiên cứu của ông bao gồm an ninh mạng, phân tích mạng, và học máy. Công trình nghiên cứu gần đây của ông liên quan đến việc sử dụng học máy cho bệnh phổi, cụ thể là COPD, và chẩn đoán ung thư da.

Tiến sĩ Anchit Bijalwan, một giảng viên cấp cao tại Khối ngành Khoa học Máy tính & Công nghệ tại BUV

Với những giá trị quý giá cho ngành Y học nói chung và công nghệ máy học, các nghiên cứu của Tiến sĩ Bijalwan đã được công bố rộng rãi trên các tạp chí uy tín:

Mô hình chẩn đoán ung thư da chính xác bằng cách sử dụng U-Net lai và MobileNet-V3 cải tiến và tối ưu hóa siêu thông số, được công bố trên Scientific Reports (một tạp chí Q1), đề xuất một mô hình kết hợp mới cho việc phát hiện ung thư da bằng cách tích hợp các tính năng từ kết hợp U-Net và MobileNet-V3 được cải tiến. Nghiên cứu không chỉ trình bày một mô hình hoạt động hiệu quả mà còn cung cấp những hiểu biết quý giá cho nghiên cứu tương lai trong việc phát hiện tự động ung thư da. Bạn có thể tìm đọc nghiên cứu tại đây.

Cuộc nghiên cứu khác có tiêu đề Khám phá hệ thống các mẫu hình ảnh từ bộ dữ liệu đến chẩn đoán bệnh phổi thông qua mô hình máy học, được công bố trên SpringerLink (một tạp chí Q2), nhấn mạnh sự phức tạp trong việc nhận biết các tình trạng đường hô hấp như COVID-19, viêm phổi và COPD, làm rõ vai trò quan trọng của học máy tiên tiến và chẩn đoán hình ảnh trong quá trình này. Cuộc nghiên cứu điều tra các tình trạng bệnh phổi quan trọng, phân tích các tập dữ liệu phù hợp, và đánh giá toàn diện các kỹ thuật học máy. Bạn có thể tìm đọc nghiên cứu tại đây.

“Nếu chúng ta chấp nhận học máy trong việc phân tích và dự đoán các căn bệnh, các biện pháp bảo mật dữ liệu mạnh mẽ và các thuật toán minh bạch là rất quan trọng để xây dựng niềm tin và đảm bảo rằng công nghệ mang lại lợi ích cho tất cả mọi người một cách bình đẳng”, chia sẻ từ Tiến sĩ Bijalwan.

Là một chuyên gia về điện toán đám mây, ông cũng đã xuất bản một bài báo có ảnh hưởng cao trên tạp chí Scientific Reports, có tiêu đề Nâng cao Hiệu suất Hệ thống trong Điện toán Đám mây thông qua Cân bằng Tải Năng lượng Đám mây Kết hợp và Phương pháp Dự đoán Sử dụng Học Sâu và Kỹ thuật Tối ưu hóa, nhấn mạnh vào tầm quan trọng của cân bằng tải trong điện toán đám mây để cải thiện hiệu suất tổng thể của hệ thống. Bạn có thể tìm đọc nghiên cứu tại đây.