Ứng dụng AI giải quyết bài toán y tế và giáo dục, sinh viên FPT ghi dấu ấn tại Hội nghị APWeb-WAIM 2026

Tại Hội nghị APWeb-WAIM 2026, các công trình của giảng viên, sinh viên Khối Giáo dục FPT về ứng dụng AI trong y tế và giáo dục đã ghi dấu ấn với giải thưởng Best paper và Best track paper. Nghiên cứu cho thấy cách sinh viên Khối Giáo dục FPT tiếp cận AI từ những bài toán cụ thể, đặt trọng tâm vào khả năng ứng dụng trong thực tế.

Ứng dụng AI số hóa bài thi nhận dạng mã nguồn Python viết tay trên giấy

Nhận dạng mã nguồn Python viết tay trong các kỳ thi trên giấy là bài toán phức tạp so với nhận dạng văn bản thông thường. Để giải quyết bài toán này, nhóm sinh viên Trường ĐH FPT phân hiệu Đà Nẵng với sự hướng dẫn của TS. Bùi Cao Vũ đã nghiên cứu công trình: “Recognition of Handwritten Python Code in Academic Exam Settings Using a Multi-stage OCR Pipeline” (tạm dịch: Nhận dạng mã nguồn Python viết tay trong môi trường thi học thuật bằng hệ thống OCR nhiều giai đoạn). 

Theo đó, khác với nhận dạng chữ viết thông thường, nhận dạng mã nguồn đòi hỏi độ chính xác ở cấp độ ký tự, đồng thời phải bảo toàn những thành phần quyết định cấu trúc chương trình như dấu câu, ký hiệu đặc biệt, thứ tự dòng và khoảng thụt đầu dòng. Chỉ một sai lệch nhỏ ở những thành phần này cũng có thể khiến đoạn mã không còn hoạt động đúng.

Nhóm đã xây dựng một pipeline OCR (Optical Character Recognition) nhiều giai đoạn, gồm phát hiện dòng mã bằng mô hình mạng nơ-ron tích chập nhận dạng đối tượng trong ảnh hoặc video, phân loại trạng thái dòng, nhận dạng nội dung bằng TrOCR - mô hình trí tuệ nhân tạo nhận dạng ký tự quang học dạng đầu cuối (end-to-end) do Microsoft phát triển và hậu xử lý dựa trên cấu trúc thụt lề để tái tạo chương trình. Nhóm cũng thử nghiệm các phương án thích nghi TrOCR trong điều kiện dữ liệu hạn chế. 

Kết quả cho thấy việc giữ lại các biểu diễn hình ảnh đã được mô hình học trước, đồng thời chỉ điều chỉnh bộ giải mã tự hồi quy, mang lại hiệu quả ổn định hơn so với việc tinh chỉnh toàn bộ mô hình. Nhóm cũng thử nghiệm hàm mất mát ưu tiên các ký tự đặc biệt, giúp tăng độ bền vững của hệ thống trong nhận dạng những thành phần có ý nghĩa cú pháp. 

Nghiên cứu mang đóng góp một cách tiếp cận mới cho bài toán nhận dạng mã nguồn viết tay bằng cách kết hợp các giai đoạn phát hiện, nhận dạng và tái tạo cấu trúc chương trình trong một quy trình thống nhất.‌ Về mặt thực tiễn, kết quả nghiên cứu mở ra hướng ứng dụng trong số hóa bài thi lập trình, hỗ trợ chấm thi tự động và phát triển các hệ thống AI xử lý mã nguồn viết tay trong giáo dục.

Tối ưu tiền xử lý ảnh X-quang, nâng hiệu quả phát hiện bất thường bằng AI

Nghiên cứu “Impact of DICOM Preprocessing Strategies on Chest X-ray Abnormality Detection” của nhóm sinh viên Trường ĐH FPT phân hiệu Đà Nẵng với sự hướng dẫn của PGS. TS. Phan Thị Thu Hồng xuất phát từ một vấn đề trong ứng dụng AI vào chẩn đoán hình ảnh.

Ảnh X-quang thường được lưu trữ dưới định dạng DICOM với độ sâu bit cao, trong khi nhiều mô hình học sâu cần dữ liệu đầu vào được chuyển đổi về dạng 8-bit. Vì vậy, tiền xử lý ảnh là bước cần thiết trước khi đưa dữ liệu vào mô hình phát hiện bất thường. Tuy nhiên, nhóm nghiên cứu nhận thấy tiền xử lý không đơn thuần là một bước chuyển đổi kỹ thuật. Những cách xử lý khác nhau có thể làm thay đổi độ tương phản, phân bố cường độ và mức độ quan sát của các tổn thương trên ảnh, từ đó tác động trực tiếp đến khả năng phát hiện của mô hình AI.

Để kiểm chứng giả thuyết này, nhóm thực hiện so sánh có kiểm soát nhiều chiến lược tiền xử lý DICOM (chuẩn quốc tế dùng để xử lý, lưu trữ, in ấn và truyền tải hình ảnh y tế) trên bộ dữ liệu VinDr-CXR. Các phương pháp được đánh giá trên ba nhóm mô hình phát hiện đối tượng. Kết quả cho thấy hiệu quả phát hiện thay đổi đáng kể tùy thuộc vào cách tiền xử lý và kiến trúc mô hình. Đáng chú ý, những phương pháp giữ được thông tin tín hiệu ở mức vừa phải thường cho kết quả ổn định hơn, trong khi các kỹ thuật tăng cường quá mạnh có thể làm nổi bật cả những cấu trúc không liên quan và ảnh hưởng đến khả năng định vị bất thường. 

Từ kết quả này, nhóm tiếp tục kết hợp các phương pháp tiền xử lý có hiệu quả ổn định thành ảnh ba kênh, trong đó mỗi kênh chứa một cách biểu diễn cường độ khác nhau của cùng một ảnh DICOM. Cách tiếp cận này cho phép mô hình tiếp nhận nhiều dạng thông tin bổ sung mà không cần thay đổi kiến trúc đầu vào. 

Theo nhóm nghiên cứu, kết quả quan trọng nhất không chỉ nằm ở việc tìm ra một phương pháp tiền xử lý tốt hơn, mà còn cho thấy tiền xử lý DICOM cần được xem như một yếu tố thiết kế của bài toán AI y khoa, thay vì một công đoạn chuyển đổi dữ liệu cố định. Phát hiện này có thể hỗ trợ quá trình lựa chọn pipeline phù hợp khi triển khai các hệ thống phát hiện bất thường trên dữ liệu ảnh y tế thực tế.

Hai công trình, dù thuộc hai lĩnh vực khác nhau, cùng cho thấy một hướng tiếp cận đáng chú ý của sinh viên FPT tại APWeb-WAIM 2026: không dừng ở việc ứng dụng các mô hình AI có sẵn, mà tìm cách giải quyết những bài toán cụ thể để AI có thể hoạt động hiệu quả hơn trong từng bối cảnh thực tế, hướng tới công nghệ vị nhân sinh. 

Hội nghị quốc tế 10th Asia Pacific Web and Web-Age Information Management Joint International Conference on Web and Big Data (APWeb-WAIM 2026) đã diễn ra tại Trường ĐH FPT phân hiệu Đà Nẵng, từ ngày 07-09/9/2026. 

Hội nghị có sự tham gia của ba diễn giả chính uy tín đến từ các trường đại học hàng đầu Singapore, Hong Kong, Trung Quốc, hơn 100 nhà nghiên cứu, chuyên gia, giảng viên và sinh viên đến từ 12 quốc gia và vùng lãnh thổ. Hội nghị quy tụ 162 công trình nghiên cứu trải rộng trên nhiều chủ đề như hệ thống Web, khai phá dữ liệu Web, cơ sở dữ liệu, Big Data, truy hồi thông tin, trí tuệ nhân tạo, học máy và điện toán đám mây. Các nghiên cứu được trình bày theo hình thức trực tuyến và trực tiếp. 

Thu Uyên - fpt.edu.vn