Mục tiêu của nhiệm vụ là phát triển các phương pháp phát hiện bệnh võng mạc đái tháo đường từ ảnh võng mạc dựa trên mô hình Học sâu và Tính toán mềm.

1. Về khoa học:
1)  Đánh giá về các phương pháp đã được ứng dụng đối với việc phát hiện bệnh võng mạc đái tháo đường, tập trung vào các mô hình học máy như mạng nơ-ron tích chập (CNN) và mạng nơ-ron nhân tạo (ANN) và các mô hình lai. Mỗi thuật toán AI sau đó sẽ được phân theo loại thuật toán (ví dụ: CNN, ANN, SVM), theo các nhiệm vụ cụ thể trong quá trình phát hiện bệnh võng mạc đái tháo đường. Đặc biệt, các mô hình thực hiện theo hướng CNN sẽ được phân tích sâu hơn và phân loại tùy thuộc vào số thuộc tính quan trọng của các kiến trúc CNN tương ứng trong từng mô hình.
2) Đề xuất một phương pháp phổ biến để phân đoạn vùng quan tâm (FOV) dựa trên ý tưởng về biểu đồ và ngưỡng. Một so sánh được thực hiện với 11 phương pháp phân đoạn trên bốn biểu diễn võng mạc được sử dụng phổ biến nhất theo ba chỉ số: Jaccard, hệ số tương quan Matthews (MCC) và độ chính xác cân bằng. Tất cả các tùy chọn đã được thử nghiệm trên 7.000 hình ảnh từ tám cơ sở dữ liệu lớn nhất hiện có. Hình ảnh thử nghiệm được tạo ra bởi khoảng 100 máy ảnh đáy mắt khác nhau. Theo kết quả phân tích kết quả thử nghiệm, các kết luận sau đã được đưa ra: 1) việc phân đoạn vùng FOV phải được thực hiện trên kênh màu đỏ; 2) để giảm hiệu ứng chiếu sáng không đồng đều và lựa chọn vùng FOV chính xác hơn, độ sáng phải được chuyển đổi thành biểu diễn logarit; 3) việc tạo mặt nạ khu vực FOV có thể được thực hiện bằng cách tính ngưỡng tổng thể (ví dụ: phương pháp Otsu); 4) tính toán ngưỡng nhị phân toàn cầu bằng cách phân tích các đỉnh của biểu đồ độ sáng không mang lại bất kỳ lợi thế nào so với phương pháp Otsu, nhưng nhạy hơn với tỷ lệ FOV.
2. Về công bố
Kết quả của nhiệm vụ được công bố trên 01 bài báo trong tạp chí thuộc danh mục SCIE, 01 bài báo thuộc Kỷ yếu hội nghị quốc tế chuyên ngành.
3. Về đào tạo
    Hỗ trợ đào tạo 01 ThS đã bảo vệ thuộc hướng nghiên cứu của đề tài.

Đánh giá về các phương pháp đã được ứng dụng đối với việc phát hiện bệnh võng mạc đái tháo đường, tập trung vào các mô hình học máy như mạng nơ-ron tích chập (CNN) và mạng nơ-ron nhân tạo (ANN) và các mô hình lai.
Đề xuất một phương pháp phổ biến để phân đoạn vùng quan tâm (FOV) dựa trên ý tưởng về biểu đồ và ngưỡng. Một so sánh được thực hiện với 11 phương pháp phân đoạn trên bốn biểu diễn võng mạc được sử dụng phổ biến nhất theo ba chỉ số: Jaccard, hệ số tương quan Matthews (MCC) và độ chính xác cân bằng. Tất cả các tùy chọn đã được thử nghiệm trên 7.000 hình ảnh từ tám cơ sở dữ liệu lớn nhất hiện có.

*** Sản phẩm cụ thể giao nộp:

-   Các bài báo đã công bố:  Nhiệm vụ đã công bố được 02 bài báo khoa học, trong đó 01 bài báo trong tạp chí quốc tế thuộc danh mục SCIE, 01 bài báo trong Kỷ yếu hội thảo quốc tế chuyên ngành. Các bài báo như sau:
1)    01 bài báo trong tạp chí thuộc danh mục SCIE
[1] V. V. Starovoitov, Nguyen Nhu Son*, Yu. I. Golub, M. M. Lukashevich, Nguyen Long Giang, Hoang Thi Minh Chau, Le Hoang Son, A Universal Field-of-View Mask Segmentation Method on Retinal Images from Fundus Cameras, IEEE Access, in press (2024).

2)    01 bài báo trong Kỷ yếu hội thảo quốc tế
[2] M. Lukashevich, Nguyen Nhu Son*, Nguyen Long Giang, Le Hoang Son, Hoang Thi Minh Chau, V. Starovoitov, A review of deep learning models for detecting diabetic retinopathy from retinal images, RINTI-2022, Minsk, Belarus, 17/11/2022, pp. 157-163.
-   Các bằng sáng chế, giải pháp hữu ích: Không
-   Các sản phẩm: Báo cáo tổng kết kết quả thực hiện nhiệm vụ HTQT về KHCN cấp Viện Hàn lâm.
-   Đào tạo: Hỗ trợ đào tạo 01 Thạc sỹ nghiên cứu thuộc lĩnh vực của đề tài.