Ngày 11/11/2026, Trường Đại học Khoa học và Công nghệ Hà Nội (USTH) đã tổ chức Lễ bảo vệ luận án tiến sĩ cấp Trường cho nghiên cứu sinh (NCS) Phạm Ngọc Hà, ngành Công nghệ Thông tin và Truyền thông, với đề tài: “Development of deep learning methods for analysis and understanding of X-ray images” (Phát triển các phương pháp học sâu phục vụ phân tích và hiểu ảnh X-quang).
Luận án được thực hiện dưới sự hướng dẫn khoa học của PGS.TS. Trần Giang Sơn, Trưởng khoa Công nghệ thông tin và Truyền thông (USTH), và GS. Antoine Doucet, Đồng Trưởng khoa. Bên cạnh vai trò tại USTH, GS. Antoine Doucet hiện là Giáo sư tại ĐH La Rochelle (Pháp) kiêm Phó Hiệu trưởng Đại học Châu Âu EU-CONEXUS.

Buổi bảo vệ diễn ra theo đúng quy trình học thuật
Hội đồng đánh giá luận án gồm 07 thành viên, do PGS.TS. Lương Chi Mai, Viện Công nghệ thông tin, Viện Hàn lâm Khoa học và Công nghệ Việt Nam làm Chủ tịch Hội đồng.
Dưới sự chủ trì của Chủ tịch Hội đồng, buổi bảo vệ diễn ra theo quy trình, bao gồm việc thông qua lý lịch khoa học, quá trình đào tạo, kết quả nghiên cứu và các công bố khoa học của NCS. Phạm Ngọc Hà trong thời gian thực hiện luận án.
Tại buổi bảo vệ, nghiên cứu sinh trình bày những nội dung và kết quả chính của đề tài, tập trung vào việc phát triển các phương pháp học sâu để phân loại ảnh X-quang thông qua nâng cao chất lượng hình ảnh, tăng cường dữ liệu và thiết kế mô hình. Sau phần trình bày, các thành viên Hội đồng trao đổi, đặt câu hỏi về phương pháp nghiên cứu, độ tin cậy của kết quả và khả năng tiếp tục phát triển đề tài.

Ứng dụng học sâu để phân tích và hiểu ảnh X-quang
Ảnh X-quang là nguồn thông tin quan trọng phục vụ chẩn đoán và theo dõi bệnh. Tuy nhiên, những dấu hiệu bất thường trên ảnh có thể khó nhận biết do độ tương phản thấp hoặc cấu trúc hình ảnh phức tạp. Việc ứng dụng trí tuệ nhân tạo trong phân tích ảnh X-quang cũng gặp những thách thức về dữ liệu huấn luyện và khả năng giải thích kết quả dự đoán.
Xuất phát từ những vấn đề này, luận án tập trung phát triển các phương pháp học sâu nhằm khai thác hiệu quả hơn thông tin trên ảnh X-quang. Hướng tiếp cận của nghiên cứu kết hợp xử lý hình ảnh, bổ sung dữ liệu huấn luyện mô hình AI và xây dựng kiến trúc mô hình có khả năng phân tích đồng thời các đặc điểm chi tiết và ngữ cảnh tổng thể.
Trong đó, kỹ thuật tăng độ tương phản cục bộ CLAHE được sử dụng để làm rõ những cấu trúc khó quan sát. Mạng sinh đối kháng (GAN) tạo thêm ảnh tổng hợp phục vụ huấn luyện, còn học chuyển giao tận dụng kiến thức từ các mô hình đã được huấn luyện trước. Thuật toán di truyền được ứng dụng để tìm kiếm các siêu tham số phù hợp cho mô hình.
Những đóng góp khoa học và công bố quốc tế
Một nội dung trọng tâm của luận án là kết hợp hai mô hình AI: mạng nơ-ron tích chập (CNN) giúp nhận diện các chi tiết nhỏ trên ảnh X-quang, còn Vision Transformer giúp phân tích mối liên hệ giữa các vùng ảnh. Sự kết hợp này giúp AI xem xét cả chi tiết và tổng thể, hướng tới phân loại ảnh chính xác hơn.
Bên cạnh đó, nghiên cứu sử dụng công cụ Grad-CAM để đánh dấu những vùng ảnh ảnh hưởng đến dự đoán của AI. Nhờ đó, người đánh giá có thêm cơ sở kiểm tra AI có tập trung vào những vùng phù hợp hay không. Tuy nhiên, việc trực quan hóa cần được kết hợp với đánh giá chuyên môn để xem xét tính hợp lý của kết quả.
Trong quá trình thực hiện đề tài, NCS. Phạm Ngọc Hà có 05 công bố quốc tế, gồm 03 bài báo tại các hội thảo quốc tế thuộc danh mục Scopus vào các năm 2023, 2024 và 2026; 01 bài báo trên tạp chí thuộc danh mục ESCI, Scopus Q3 năm 2024; và 01 bài báo trên tạp chí thuộc danh mục SCIE, Scopus Q2 năm 2026.
Các công bố góp phần chia sẻ những kết quả nghiên cứu của luận án với cộng đồng khoa học quốc tế, đồng thời đóng góp vào hướng phát triển các phương pháp học sâu phục vụ phân tích hình ảnh y tế.

Cơ sở khoa học cho những nghiên cứu tiếp theo
Thông qua việc kết hợp nâng cao chất lượng ảnh, tăng cường dữ liệu và thiết kế mô hình, luận án góp phần giải quyết một số thách thức trong phân loại ảnh X-quang bằng trí tuệ nhân tạo. Nghiên cứu cũng cung cấp cơ sở cho việc tiếp tục đánh giá độ tin cậy, khả năng giải thích và tiềm năng ứng dụng của các mô hình học sâu trong lĩnh vực này.
Nếu được kiểm chứng phù hợp trên dữ liệu và trong điều kiện sử dụng thực tế, các phương pháp được phát triển có tiềm năng hỗ trợ bác sĩ phân loại ảnh chính xác hơn, hạn chế bỏ sót dấu hiệu bất thường và giảm thời gian đọc ảnh.
Hội đồng ghi nhận những nỗ lực của NCS. Phạm Ngọc Hà trong quá trình thực hiện luận án, đồng thời đưa ra các ý kiến đóng góp nhằm hoàn thiện nghiên cứu và định hướng phát triển đề tài trong thời gian tới.
USTH chúc NCS. Phạm Ngọc Hà tiếp tục đạt được nhiều thành công trên hành trình nghiên cứu, phát triển các kết quả khoa học và đóng góp cho những ứng dụng trí tuệ nhân tạo phục vụ cộng đồng.









