Ngày 12/8/2026, tại Trường Đại học Khoa học tự nhiên, ĐHQG-HCM, NCS. Huỳnh Quốc Việt đã bảo vệ thành công luận án tiến sĩ cấp cơ sở đào tạo ngành Vật lý kỹ thuật với đề tài “Tích hợp các phương pháp học máy và mạng nơ-ron trong phân loại tín hiệu điện não đồ”, dưới sự hướng dẫn khoa học của PGS.TS. Huỳnh Văn Tuấn.
Luận án tập trung nghiên cứu việc tích hợp xử lý tín hiệu, học máy và học sâu nhằm nâng cao hiệu quả phân loại tín hiệu điện não đồ (EEG) – loại tín hiệu có đặc trưng phức tạp, nhiễu cao và khác biệt đáng kể giữa các cá thể. Nghiên cứu khai thác các đặc trưng của tín hiệu EEG trên nhiều miền, gồm thời gian, tần số, thời gian–tần số và không gian theo điện cực.
Trên cơ sở đó, NCS. Huỳnh Quốc Việt phát triển và đánh giá nhiều mô hình, phương pháp và chiến lược nhằm nâng cao khả năng học đặc trưng và hiệu quả phân loại EEG. Trong đó, các biểu diễn thời gian–tần số như STFT, CWT và MoDWT được kết hợp với mạng nơ-ron tích chập (CNN) để hỗ trợ mô hình tự động học đặc trưng từ dữ liệu đã qua xử lý. Luận án đồng thời phát triển các mô hình học sâu lai như 3D-CNN–LSTM và CNN–LSTM–Projected nhằm khai thác đồng thời thông tin không gian, tần số và thời gian của tín hiệu EEG.
Một số đóng góp đáng chú ý khác của luận án gồm đề xuất Directed Connected Layer (DCL) nhằm tăng cường truyền và tái sử dụng đặc trưng giữa các tầng CNN; xây dựng mô hình Multi-Input CNN–ANN kết hợp đặc trưng học sâu với các đặc trưng thống kê và phi tuyến; phát triển chiến lược huấn luyện CRMT nhằm hỗ trợ ổn định quá trình học; và xây dựng mô hình EEG-TAGAN để tạo dữ liệu EEG tổng hợp, phục vụ tăng cường dữ liệu trong điều kiện dữ liệu hạn chế.
Các mô hình được đánh giá trên nhiều bộ dữ liệu EEG, trong đó có DEAP, SZ–HC, WAY–EEG–GAL, Mental Arithmetic, IBIB PAN, NNCI và EEG Motor Movement/Imagery. Kết quả cho thấy các phương pháp được đề xuất có tiềm năng cải thiện hiệu quả phân loại EEG, đồng thời tạo cơ sở cho những nghiên cứu tiếp theo về dữ liệu sinh, học chuyển miền và xử lý tín hiệu EEG.
Theo kết quả nghiên cứu, các phương pháp được đề xuất có khả năng mở rộng theo hướng phát triển các hệ thống EEG thông minh, phục vụ nhận dạng trạng thái não, theo dõi trạng thái nhận thức, giao diện não–máy và hỗ trợ điều khiển thiết bị dựa trên tín hiệu EEG. Tuy nhiên, việc ứng dụng trong môi trường thực tế, đặc biệt là lĩnh vực lâm sàng, vẫn cần được tiếp tục kiểm chứng trên dữ liệu độc lập, dữ liệu đa trung tâm và các giao thức đánh giá liên chủ thể. Nghiên cứu cũng đặt ra các hướng phát triển về xử lý thời gian thực, tối ưu chi phí tính toán, kết hợp EEG với các tín hiệu sinh lý khác và nâng cao khả năng giải thích của mô hình.
Hội đồng đánh giá luận án ghi nhận tính mới của nghiên cứu, không trùng lặp với các công trình đã công bố và có giá trị tham khảo cho các nghiên cứu tiếp theo. Trong thời gian thực hiện luận án, NCS. Huỳnh Quốc Việt đã công bố 02 bài báo Q1, 01 bài báo Q3, 02 bài báo Q4 và 05 bài báo hội nghị thuộc danh mục Scopus.
Đặc biệt, NCS. Huỳnh Quốc Việt là nghiên cứu sinh đầu tiên của ngành Vật lý kỹ thuật bảo vệ thành công luận án tiến sĩ. Kết quả này đánh dấu một cột mốc trong quá trình đào tạo sau đại học của ngành, đồng thời ghi nhận những kết quả nghiên cứu theo hướng liên ngành giữa vật lý kỹ thuật, xử lý tín hiệu và trí tuệ nhân tạo.
