Chúc mừng Bài báo “LVM-Med: Learning large-scale self-supervised vision models for medical imaging via second-order graph matching” (Nhóm tác giả: Duy M. H. Nguyen, Hoang Nguyen, Nghiem T. Diep, Tan N. Pham, Tri Cao, Binh T. Nguyen, Paul Swoboda, Nhat Ho, Shadi Albarqouni, Pengtao Xie, Daniel Sonntag, Mathias Niepert) vừa được chấp nhận tại NeurIPS 2023.
Các bạn sinh viên và học viên cao học tham gia nghiên cứu, gồm có:
(1) Nguyễn Hồ Minh Duy: Cựu sinh viên Khoa Toán - Tin học, nghiên cứu sinh ngành Machine Learning tại Max-Planck Institute, Đức. (Co-first author)
(2) Nguyễn Minh Hoàng: Sinh viên năm 4, khoa Toán - Tin học (Co-first author)
(3) Cao Thiên Trí, Cựu sinh viên Chương trình Tiên tiến ngành Khoa học Máy tính, Khoa Công nghệ Thông tin
(4) Phạm Ngọc Tân: Học viên cao học ngành Trí tuệ nhân tạo
(5) Diệp Tường Nghiêm, sinh viên năm 2 - Chương trình Tiên tiến ngành Khoa học Máy tính, Khoa Công nghệ Thông tin
Bài báo cáo tập trung xây dựng các pre-trained models cho ảnh y khoa. Để làm được như vậy thường rất khó vì vấn đề domain-shifts trong ảnh y khoa (chẳng hạn, ảnh CT, MRI, X-ray thì có nhiều đặc tính khác nhau). Bài báo đã giải quyết vấn đề này bằng việc đề xuất LVM-Med, nôm na là một thuật toán contrastive learning dự vào high-order graph matching. Trong các bài toán y khoa khó như phân loại khối u trong não (Brain Tumor Classification) hay phân loại bệnh võng mạc tiểu đường (Diabetic Retinopathy Grading), LVM-Med tốt hơn rất nhiều so với các phương pháp hiện tại (gần 6-7% về mặt accuracy).
- Link bài báo: https://arxiv.org/abs/2306.11925