Bệnh tim mạch là một trong những nguyên nhân hàng đầu gây tử vong trên toàn cầu, chiếm tỉ lệ lớn trong số các bệnh lý mãn tính. Việc chẩn đoán và phát hiện sớm bệnh tim có ý nghĩa quan trọng trong việc giảm thiểu rủi ro và cải thiện chất lượng sống của bệnh nhân. Tuy nhiên, phương pháp chẩn đoán truyền thống thường đòi hỏi nhiều thời gian, chi phí và phụ thuộc vào kinh nghiệm của bác sĩ. Sự phát triển của trí tuệ nhân tạo, đặc biệt là các thuật toán học máy, mang lại cơ hội lớn để xây dựng các hệ thống hỗ trợ chẩn đoán tự động, giúp giảm gánh nặng cho ngành y tế và nâng cao độ chính xác trong phát hiện bệnh. Trong đó, phương pháp học máy tổ hợp như Bagging và Voting Classifier đã chứng minh được hiệu quả trong việc cải thiện độ chính xác và ổn định của mô hình. Đề tài “xây dựng mô hình dự đoán bệnh tim bằng phương pháp tổ hợp Bagging và Voting Classifier” không chỉ tập trung vào xây dựng mô hình dự đoán chính xác mà còn so sánh hiệu quả giữa các phương pháp tổ hợp, từ đó đề xuất giải pháp tối ưu trong thực tế. Đây là một hướng nghiên cứu có tính ứng dụng cao

Mục tiêu chính của đề tài là xây dựng một hướng tiếp cận hiện đại nhằm tăng cường khả năng bảo vệ hệ thống công nghệ thông tin của doanh nghiệp trước các mối đe dọa mạng ngày càng tinh vi và khó lường.Đề tài này tập trung vào khía cạnh bảo mật và giám sát hệ thống mạng nội bộ và phân tán, vốn là yếu tố then chốt trong việc đảm bảo tính liên tục và an toàn cho toàn bộ chuỗi khai thác, vận chuyển và xử lý dầu khí. Một trong những mục tiêu trọng tâm là ứng dụng các thuật toán học máy (Machine Learning) và phân tích bất thường để xây dựng mô hình giám sát hành vi hệ thống theo thời gian thực, từ đó phát hiện các biểu hiện xâm nhập hoặc hoạt động không bình thường.Đề tài cũng đặt mục tiêu nghiên cứu các mô hình phân tầng bảo mật cho hệ thống mạng hỗn hợp onshore – offshore, nơi việc truy cập, giám sát và truyền tải dữ liệu thường bị giới hạn bởi điều kiện địa lý, hạ tầng và băng thông. AI sẽ được tích hợp để đưa ra các quyết định tự động trong việc ưu tiên bảo vệ dữ liệu trọng yếu, phân tích mức độ rủi ro theo từng lớp mạng, đồng thời đưa ra cảnh báo hoặc hành động khẩn cấp khi phát hiện hành vi bất thường. Xây dựng bộ tiêu chí đánh giá hiệu quả ứng dụng AI trong an ninh mạng doanh nghiệp dầu khí, bao gồm các chỉ số như: tỷ lệ phát hiện sớm, độ chính xác của cảnh báo, khả năng phản hồi thời gian thực và tính ổn định khi triển khai trong môi trường công nghiệp. Cuối cùng, đề tài hướng đến việc hiện thực hóa các mô hình đã nghiên cứu bằng cách mô phỏng hoặc triển khai thử nghiệm trong hệ thống mạng doanh nghiệp ,qua đó làm rõ tính khả thi, mức độ ứng dụng thực tiễn và hiệu quả của AI trong vai trò bảovệ an ninh mạng cho ngành dầu khí – một trong những lĩnh vực trọng yếu và có yêu cầu bảo mật cao bậc nhất hiện nay.

Nghiên cứu và phát triển các mô hình học sâu tiên tiến để giải quyết bài toán phân loại hình ảnh. Khảo sát các phương pháp phân loại hình ảnh truyền thống và học sâu: Tổng hợp các nghiên cứu liên quan đến phương pháp phân loại hình ảnh, đặc biệt là các mô hình học sâu như CNN, VGG16, ResNet50, MobileNetV2. Phát triển và triển khai các mô hình học sâu cho bài toán phân loại hình ảnh, bao gồm xây dựng và huấn luyện các mô hình như CNN, VGG16, ResNet50, MobileNetV2 trên các bộ dữ liệu thực tế. Đánh giá hiệu quả của các mô hình học sâu về độ chính xác phân loại, khả năng ứng dụng, thời gian huấn luyện và hiệu suất tổng thể. So sánh các mô hình học sâu với các phương pháp truyền thống: Đánh giá các ưu điểm và nhược điểm của các mô hình học sâu so với các phương pháp phân loại hình ảnh truyền thống. Đề xuất các mô hình tối ưu và phương pháp cải tiến: Dựa trên các kết quả đánh giá, đề xuất các giải pháp để cải thiện hiệu suất và tối ưu hóa các mô hình cho các ứng dụng thực tế.

Đề tài nghiên cứu nhằm xây dựng và đánh giá một hệ thống chẩn đoán hình ảnh sỏi thận sử dụng mô hình học sâu, giúp phát hiện sỏi từ ảnh CT Scanner với độ chính xác cao, hỗ trợ bác sĩ trong quá trình chẩn đoán. Tìm hiểu và tổng hợp các phương pháp chẩn đoán sỏi thận hiện nay, đặc biệt là chẩn đoán bằng hình ảnh CT Scan. Xây dựng bộ dữ liệu ảnh CT Scanner gồm khoảng gần 2000 hình ảnh CT Scanner đã được dán nhãn từ Kaggle, bao gồm các trường hợp có sỏi và không có sỏi. Lựa chọn mô hình học sâu phù hợp để phát hiện sỏi thận, so sánh các kiến trúc CNN phổ biến như InceptionV3, Xception, ResNet50.Huấn luyện và tối ưu hóa mô hình trên bộ dữ liệu thu thập được, cải thiện độ chính xác và giảm thiểu sai sót trong chẩn đoán. Xây dựng giao diện website để hiển thị kết quả chẩn đoán trực quan, dễ sử dụng cho bác sĩ. Gợi ý kết quả cho Bác sĩ tham khảo, kết quả cuối cùng vẫn là của Bác sĩ. Đánh giá hiệu suất của mô hình dựa trên các chỉ số như Accuracy, Precision, Recall, F1-score và so sánh với kết quả chẩn đoán thực tế từ bác sĩ.

Đề tài tập trung làm rõ cơ sở lý luận, hệ thống quy phạm pháp luật hiện hành cũng như quá trình thực thi pháp luật liên quan đến thủ tục giải quyết tranh chấp hợp đồng kinh doanh thương mại Khái quát một số vấn đề lý luận về thủ tục tố tụng trong giải quyết tranh chấp hợp đồng kinh doanh thương mại tại Toà Án Nhân dân Phân tích nội dung quy định pháp luật Việt Nam hiện hành liên quan đến quy trình giải quyết tranh chấp hợp đồng kinh doanh thương mại tại Tòa án. Làm rõ những bất cập, hạn chế còn tồn tại từ góc nhìn thực tiễn xét xử tại TAND Quận Bình Thạnh, qua đó nhận diện những điểm chưa phù hợp trong áp dụng pháp luật. Xác định nguyên nhân dẫn đến các vướng mắc trong quá trình thi hành pháp luật, đặc biệt là nghĩa vụ hoàn trả hoa lợi, lợi tức; đồng thời, đề xuất một số định hướng hoàn thiện pháp luật về thủ tục GQTC HĐ KD-TM tại TAND trong thời gian tới.Trên cơ sở đó, đề tài phân tích các vấn đề còn tồn tại trong thực tiễn áp dụng, từ đó đề xuất những định hướng, giải pháp nhằm hoàn thiện khung pháp lý điều chỉnh thủ tục giải quyết loại tranh chấp này một cách hiệu quả hơn