- Nghiên cứu một số mô hình học mờ (Fuzzy Learning) trong việc giải quyết các bài toán hỗ trợ ra quyết định. Trên cơ sở đó, đề xuất mô hình học mờ cải tiến hỗ trợ chẩn đoán bệnh trong lĩnh vực y tế.
- Xây dựng, thử nghiệm, đánh giá mô hình học mờ cải tiến trên các mẫu dữ liệu thử nghiệm và dữ liệu tại bệnh viện Trường Đại học Y Hà Nội.

- Về khoa học:
+  Nghiên cứu tổng quan về hệ suy diễn mờ, hệ suy diễn mờ phức và bài toán hỗ trợ chẩn đoán bệnh trong y tế.
+  Đề xuất hai hệ suy diễn mờ phức: hệ suy diễn mờ phức Mamdani M-CFIS và hệ suy diễn mờ phức Mamdani cải tiến M-CFIS-R. Thử nghiệm, đánh giá hai hệ suy diễn mờ phức với bài toán hỗ trợ chẩn đoán bệnh trên các tập dữ liệu mẫu.
+  Hỗ trợ đào tạo 02 NCS theo hướng nghiên cứu của đề tài.
+  Công bố 02 bài báo khoa học liên quan đến nội dung nghiên cứu của đề tài. Trong đó: 01 bài báo quốc tế thuộc danh mục SCIE; 01 bài báo trên Kỷ yếu hội thảo quốc gia “Một số vấn đề chọn lọc trong CNTT&TT” năm 2020.
- Về ứng dụng:
+  Xây dựng chương trình thử nghiệm hệ học mờ cải tiến trong hỗ trợ chẩn đoán bệnh viêm gan. Thử nghiệm chương trình trên dữ liệu được thu thập, tổng hợp, tiền xử lý từ nguồn dữ liệu của bệnh viện Đại học Y Hà Nội. Phân tích, đánh giá kết quả thử nghiệm.

Các bước xây dựng mô hình hệ suy diễn mờ phức hỗ trợ chẩn đoán bệnh viêm gan

Đóng góp mới của đề tài là đề xuất hai hệ suy diễn mờ phức dựa trên việc mở rộng hệ suy diễn mờ Mamdani trên miền tập mờ phức nhằm giải quyết các bài toán phân tích, dự báo trên dữ liệu có tính chu kỳ: hệ suy diễn mờ phức Mamdani M-CFIS và hệ suy diễn mờ phức cải tiến M-CFIS-R. Trên cơ sở đó, áp dụng hệ suy diễn mờ phức đề xuất vào bài toán chẩn đoán bệnh viêm gan từ nguồn dữ liệu của bệnh viện Đại học Y Hà Nội. Chương trình có thể hỗ trợ bác sĩ trong việc chẩn đoán sớm bệnh viêm gan.