ເດັກຊາຍ Polytechnic ໃຊ້ AI ເພື່ອແກ້ໄຂບັນຫາການສັ່ງຊື້ຈາກອຸດສາຫະກໍາການແພດ

ເມື່ອເຂົ້າຮຽນຢູ່ພາກວິຊາວິສະວະກຳຄອມພິວເຕີ ຢູ່ມະຫາວິທະຍາໄລວິທະຍາສາດ ແລະ ເຕັກໂນໂລຊີ ຮ່າໂນ້ຍ , Son ບໍ່ໄດ້ຄິດວ່າຕົນສາມາດສ້າງເຄື່ອງມືເພື່ອໜູນຊ່ວຍການວິນິດໄສການຖ່າຍຮູບລູກໃນທ້ອງດ້ວຍຄວາມຖືກຕ້ອງຄືກັບບັນດາທ່ານໝໍ ultrasound ຊັ້ນນຳຂອງຫວຽດນາມ.

ບຸ່ຍວັນເຊີນ, ອາຍຸ 23 ປີ, ຈົບການສຶກສາສາຂາວິຊາວິສະວະກຳຄອມພິວເຕີຢູ່ໂຮງຮຽນເຕັກໂນໂລຊີຂໍ້ມູນຂ່າວສານ ແລະ ການສື່ສານ, ມະຫາວິທະຍາໄລວິທະຍາສາດ ແລະ ເຕັກໂນໂລຊີຮ່າໂນ້ຍ ໃນທ້າຍເດືອນຕຸລາ 2023 ດ້ວຍລະດັບດີ. ຄະແນນສະເລ່ຍຂອງລູກຊາຍແມ່ນ 3.3/4 ບໍ່ໄດ້ສູງເມື່ອທຽບໃສ່ໝູ່ເພື່ອນຫຼາຍຄົນ, ແຕ່ກໍ່ເປັນຜົນທີ່ຄາດໄວ້, ເພາະນອກຈາກການຮ່ຳຮຽນແລ້ວ, ລາວໄດ້ໃຊ້ເວລາສ່ວນໃຫຍ່ໃນການຄົ້ນຄວ້າ ວິທະຍາສາດ .

"ການຄົ້ນຄວ້າຢູ່ຫ້ອງທົດລອງຂໍ້ມູນຂ່າວສານຊີວະວິທະຍາ, ສູນຄົ້ນຄວ້າປັນຍາປະດິດສາກົນ - BK.AI ແມ່ນພາກສ່ວນທີ່ຫນ້າຈົດຈໍາທີ່ສຸດໃນໄວຫນຸ່ມຂອງຂ້ອຍໃນໄລຍະ 5 ປີຂອງຂ້ອຍທີ່ຮຽນຢູ່ Bach Khoa", Son ເວົ້າ.

ຢູ່ທີ່ນີ້, Son ໄດ້ເຂົ້າຮ່ວມບັນດາໂຄງການຄົ້ນຄວ້າຄຳຮ້ອງສະຫມັກ AI ເພື່ອແກ້ໄຂບາງບັນຫາໃນຂະແໜງ ການແພດ , ໃນນັ້ນມີໂຄງການ “ກຳນົດຄວາມສະຫວ່າງຂອງ fetal nuchal ດ້ວຍຮູບພາບ ultrasound” ໂດຍໂຮງໝໍມະຫາວິທະຍາໄລການແພດຮ່າໂນ້ຍ. ໂຄງການນີ້ໄດ້ຊ່ວຍໃຫ້ Son ໄດ້ຮັບລາງວັນທີ 2 ໃນການແຂ່ງຂັນຄົ້ນຄ້ວາວິທະຍາສາດນັກສຶກສາຂອງມະຫາວິທະຍາໄລວິທະຍາສາດ ແລະ ເຕັກໂນໂລຊີ ຮ່າໂນ້ຍ ແລະ ລາງວັນການນຳສະເໜີດີເດັ່ນໃນວັນເສັງຈົບການສຶກສາປ້ອງກັນປະເທດ.

ບຸ່ຍວັນເຊີນ. ພາບ: ດວງຕາ — ບຸ່ຍວັນເຊີນ. ພາບ: *ດວງຕາ*

ລູກຊາຍເປັນນັກຮຽນຢູ່ໂຮງຮຽນບ້ານແຫ່ງໜຶ່ງຢູ່ເມືອງ ກວາງຊົ່ງ, ແຂວງ ແທງຮ໋ວາ. ເສັງເຂົ້າຮຽນວິຊາວິສະວະກຳຄອມພິວເຕີຢູ່ມະຫາວິທະຍາໄລວິທະຍາສາດ ແລະ ເຕັກໂນໂລຊີ ຮ່າໂນ້ຍ ປີ 2018, Son ຈິນຕະນາການຮຽນຮູ້ທັງຮາດແວ ແລະ ຊອບແວ, ສາມາດສ້າງເວັບໄຊ ແລະ ແອັບພລິເຄຊັ່ນທີ່ຕົນເອງເຄີຍຝັນ.

ໃນປີທີສອງຂອງລາວ, ເມື່ອລາວມີຄວາມຄຸ້ນເຄີຍກັບວິທີການຮຽນຢູ່ Polytechnic, Son ໄດ້ຮຽນຮູ້ກ່ຽວກັບປັນຍາປະດິດ (AI) ແລະເຂົ້າຮ່ວມໃນການຄົ້ນຄວ້າວິທະຍາສາດ. ທິດທາງທີ່ແຕກຕ່າງຈາກໝູ່ເພື່ອນໃນກຸ່ມ, ແລະ ລາວບໍ່ໄດ້ຮຽນວິຊາໃດກ່ຽວກັບ AI, ເຮັດໃຫ້ Son ມີຄວາມຫຍຸ້ງຍາກຫຼາຍຢ່າງ.

ໜຸ່ມຄົນນີ້ໄດ້ເລີ່ມຕົ້ນດ້ວຍຫຼັກສູດ AI ທີ່ບໍ່ເສຍຄ່າຢູ່ໃນໂຮງຮຽນ, ຈາກນັ້ນຊອກຫາຫຼັກສູດເພີ່ມເຕີມກ່ຽວກັບ AI, Data Science, Deep Learning online, ແລະລວມເຂົ້າເຮັດວຽກຢູ່ບໍລິສັດຍີ່ປຸ່ນເປັນນັກຝຶກງານ AI.

ນຶ່ງປີຕໍ່ມາ, ເມື່ອລາວໝັ້ນໃຈໃນສິ່ງທີ່ໄດ້ຮຽນຮູ້, Son ໄດ້ສະໝັກເຂົ້າຫ້ອງທົດລອງຊີວະວິທະຍາຂອງໂຮງຮຽນ. ຢູ່ທີ່ນີ້, Son ໄດ້ຮຽນຮູ້ກ່ຽວກັບບັນຫາພາກປະຕິບັດຕົວຈິງໃນຂົງເຂດການແພດເຊັ່ນ: ການຖອດລະຫັດພັນທຸກໍາ, ການນໍາໃຊ້ AI ເພື່ອຄາດຄະເນຢາທີ່ເຫມາະສົມສໍາລັບພະຍາດບາງຊະນິດ ... ນອກຈາກຄວາມຮູ້ກ່ຽວກັບ AI, Son ຍັງຕ້ອງໄດ້ຮຽນຮູ້ເພີ່ມເຕີມຄວາມຮູ້ດ້ານຊີວະວິທະຍາເຊັ່ນ: ການຖອດລະຫັດ gene sequences, DNA, mRNA, PCR ຂັ້ນຕອນການທົດສອບ ...

ໃນປີ 2022, ທ່ານໝໍ ຫງວຽນຮົ່ງກວາງ, ຫົວໜ້າກົມຄົ້ນຄວ້າຊີວະວິທະຍາ, ມະຫາວິທະຍາໄລວິທະຍາສາດ ແລະ ເຕັກໂນໂລຊີ ຮ່າໂນ້ຍ, ໄດ້ຮັບຄຳສັ່ງຈາກໂຮງໝໍມະຫາວິທະຍາໄລການແພດຮ່າໂນ້ຍ ພັດທະນາວິທີການກຳນົດຄວາມກວ້າງຂອງຄວາມກວ້າງຂອງເນື້ອໜັງຂອງລູກໃນທ້ອງໂດຍອັດຕະໂນມັດຜ່ານຮູບພາບ ultrasound 2D, ຊ່ວຍກວດຫາຄວາມຜິດປົກກະຕິແຕ່ກຳເນີດຂອງ fetus ກ່ອນເກີດ.

ເມື່ອໄດ້ຮັບຫົວຂໍ້, ທ່ານ ກວາງຫງາຍ ໄດ້ຄິດເຖິງ Son ໃນທັນທີ ເພາະເຫັນວ່າ ນັກຮຽນມີຄວາມເອກອ້າງທະນົງໃຈໃນການຄົ້ນຄ້ວາ ແລະ ມີຄວາມເກັ່ງກ້າສາມາດໃນການປຸງແຕ່ງຮູບພາບ. ທ່ານກ່າວວ່າ, ໃນຕອນຕົ້ນປີທີ 2, Son ໄດ້ດຳເນີນບັນຫາການປຸງແຕ່ງຮູບພາບກ່ຽວກັບການຊອກຫາແຜ່ນແສງຕາເວັນທີ່ບົກຜ່ອງຈາກຮູບຖ່າຍທີ່ຖ່າຍໂດຍຍົນໂດຣນ.

“ເມື່ອໂຮງໝໍມະຫາວິທະຍາໄລການແພດຮ່າໂນ້ຍສະເໜີ, ຂ້າພະເຈົ້າໄດ້ມອບໝາຍໃຫ້ທ່ານ Son, ເຖິງແມ່ນວ່າຂ້າພະເຈົ້າຮູ້ວ່ານີ້ແມ່ນບັນຫາທີ່ຫຍຸ້ງຍາກ,”

Son ເວົ້າວ່າໃນຕອນທໍາອິດລາວມີຄວາມສັບສົນຫຼາຍເພາະວ່າທ່ານບໍ່ຮູ້ວ່າຄວາມແປພາສາ nuchal ຫຼື translucency nuchal ແມ່ນຫຍັງ, ແລະຈຸດປະສົງຂອງການວັດແທກນີ້ແມ່ນຫຍັງ. ຫຼັງຈາກທີ່ໄດ້ຮັບການຊີ້ນໍາຈາກຄູອາຈານ, ສະຫນັບສະຫນູນໂດຍທ່ານຫມໍ, ແລະການສະແດງວິດີໂອ ultrasound ຂອງ fetuses ເພື່ອເຂົ້າໃຈຂະບວນການ ultrasound, ແລະການຮຽນຮູ້ດ້ວຍຕົນເອງ, Son ໄດ້ເຂົ້າໃຈຄວາມຫມາຍຂອງຫົວຂໍ້ນີ້.

"ການ translucency nuchal ແມ່ນພື້ນທີ່ຂອງນ້ໍາທີ່ສະສົມຢູ່ຫລັງຄໍຂອງ fetus, ປະກົດຢູ່ໃນອາທິດ 11 ຫາ 14 ຂອງການຖືພາ. ຖ້າຫາກວ່າ width ຂອງ translucency nuchal ແມ່ນໃຫຍ່ກວ່າ 3 ມມ, fetus ມີຄວາມສ່ຽງຕໍ່ການເປັນໂຣກ Down ແລະຂໍ້ບົກພ່ອງການເກີດອື່ນໆຈໍານວນຫຼາຍ," Son ໄດ້ອະທິບາຍ.

ການກໍານົດຄວາມກວ້າງຂອງ translucency nuchal ຊ່ວຍໃຫ້ທ່ານຫມໍເຮັດການວິນິດໄສເບື້ອງຕົ້ນຂອງຄວາມຜິດປົກກະຕິຂອງ fetal, ດັ່ງນັ້ນການໃຫ້ຄໍາແນະນໍາກັບແມ່. ຢ່າງໃດກໍ່ຕາມ, ດ້ວຍເຕັກນິກໃນປະຈຸບັນ, ນີ້ແມ່ນເຮັດດ້ວຍຕົນເອງໂດຍທ່ານຫມໍທີ່ມີຄວາມຊ່ຽວຊານສູງ. ເຕັກນິກນີ້ແມ່ນຂຶ້ນກັບປັດໃຈວິຊາການຈໍານວນຫນຶ່ງຂອງທ່ານຫມໍ, ອາດຈະມີຄວາມຜິດພາດຫຼາຍ.

ຜົນໄດ້ຮັບຂອງການວັດແທກ translucency nuchal fetal ຈາກຮູບພາບ ultrasound, ການນໍາໃຊ້ແບບຈໍາລອງ AI. ຮູບພາບ: ລັກສະນະທີ່ສະຫນອງໃຫ້ — ຜົນໄດ້ຮັບຂອງການວັດແທກ translucency nuchal fetal ຈາກຮູບພາບ ultrasound, ການນໍາໃຊ້ແບບຈໍາລອງ AI. ຮູບພາບ: *ລັກສະນະທີ່ສະຫນອງໃຫ້*

ໄດ້ຮັບຊຸດຂໍ້ມູນເຖິງຫຼາຍພັນຮູບພາບ ultrasound fetal, Son ໄດ້ພົບກັບຄວາມຫຍຸ້ງຍາກໃນເບື້ອງຕົ້ນ. Son ໄດ້ພະຍາຍາມບາງຮູບແບບການປຸງແຕ່ງຮູບພາບຂັ້ນສູງແຕ່ວ່າຜົນໄດ້ຮັບບໍ່ແມ່ນໃນທາງບວກ. ຊາຍຫນຸ່ມບໍ່ສາມາດຊອກຫາທິດທາງສະເພາະ, ແລະສໍາລັບ 2-3 ອາທິດ, ລາວບໍ່ຮູ້ວ່າຈະລາຍງານຫຍັງກັບອາຈານຂອງລາວ, ດັ່ງນັ້ນລາວກໍ່ໄດ້ຮັບຄວາມກົດດັນ.

ຫຼັງຈາກນັ້ນ, Son ໄດ້ແບ່ງປັນຢ່າງກ້າຫານກັບຜູ້ສອນຂອງລາວແລະໄດ້ຮັບຄໍາແນະນໍາຫຼາຍຢ່າງ. Son ໄດ້ປະຕິບັດຕາມຄໍາແນະນໍາເຫຼົ່ານັ້ນ, ໄດ້ປຶກສາຫາລືບາງການຄົ້ນຄວ້າໃນໂລກ, ແລະພະຍາຍາມຫຼາຍຕົວແບບຫຼາຍຄັ້ງ.

ດັ່ງນັ້ນ, ຮູບແບບ AI ທີ່ຄົ້ນຄວ້າໂດຍ Son ຊ່ວຍໃຫ້ການຄິດໄລ່ translucency nuchal ຜ່ານຮູບພາບ ultrasound ໃນເວລາປະມານ 5 ວິນາທີ, ທ່ານຫມໍສາມາດວັດແທກໄດ້ຫຼາຍຄັ້ງໂດຍບໍ່ຕ້ອງເສຍເວລາຫຼາຍ. ເວັບໄຊທ໌ແລະຄໍາຮ້ອງສະຫມັກລວມຕົວແບບ AI ທີ່ສ້າງໂດຍ Son ຍັງຊ່ວຍໃຫ້ພວກເຂົາມີພື້ນຖານເພີ່ມເຕີມເພື່ອເຮັດໃຫ້ການວິນິດໄສກ່ຽວກັບ fetus ຫຼືນໍາໃຊ້ມັນສໍາລັບການກວດສອບຫຼັງ, ຫຼຸດຜ່ອນຄວາມຜິດພາດໃນລະຫວ່າງຂະບວນການ ultrasound.

ຕາມຜູ້ຕາງໜ້າມະຫາວິທະຍາໄລວິທະຍາສາດ ແລະ ເຕັກໂນໂລຊີຮ່າໂນ້ຍ ແລ້ວ, ຄະນະຜູ້ແທນໄດ້ຕີລາຄາວ່າ ຜົນການຄົ້ນຄ້ວາຂອງ Son ມີຄວາມສາມາດບົ່ມຊ້ອນໃນການນຳໃຊ້ໃນພາກປະຕິບັດ ແລະ ພິຈາລະນາລວມເຂົ້າໃນຂະບວນການພາຍຫຼັງການກວດກາ.

“ນີ້ແມ່ນຫົວຂໍ້ແຕ່ອາດຈະມີເກືອບ 20 ບັນຫາຍ່ອຍຢູ່ພາຍໃນ ແລະ ມີວຽກງານຫຼາຍຢ່າງທີ່ຕ້ອງແກ້ໄຂ. ລູກຊາຍໄດ້ຂະຫຍັນຂັນເຄື່ອນ ແລະ ເຮັດສຳເລັດເປັນຢ່າງດີ, ສ້າງເຄື່ອງມືໜູນຊ່ວຍໃຫ້ຜົນໄດ້ຮັບທີ່ຖືກຕ້ອງຄືກັບການບົ່ງມະຕິຂອງບັນດາທ່ານໝໍ ultrasound ຊັ້ນນຳຂອງຫວຽດນາມ”. ຄູອາຈານທັງສອງໄດ້ສໍາເລັດບົດຄວາມກ່ຽວກັບຫົວຂໍ້ນີ້ແລະໄດ້ສົ່ງໄປວາລະສານສາກົນຂອງຂໍ້ມູນຂ່າວສານ Biomedical.

ປະຈຸບັນເຮັດວຽກເປັນວິສະວະກອນວິທະຍາສາດຂໍ້ມູນຢູ່ VNPT, Son ມີຄວາມກະຕັນຍູສະເຫມີສໍາລັບເວລາທີ່ລາວໄດ້ອຸທິດຕົນເອງໃຫ້ແກ່ການຄົ້ນຄວ້າວິທະຍາສາດໃນໄລຍະວິທະຍາໄລຂອງລາວ. ດ້ວຍຫົວຂໍ້ການກຳນົດຄວາມໂປ່ງໃສຂອງລູກໃນທ້ອງ, Son ຫວັງວ່າເວັບໄຊ ແລະ ແອັບພຼິເຄຊັນທີ່ລາວສ້າງຈະຖືກນຳໃຊ້ຢ່າງກວ້າງຂວາງ, ນຳມາເຊິ່ງຜົນດີໃຫ້ແກ່ປະຊາຄົມ.

ດວງຕາ

ແຫຼ່ງທີ່ມາ