CHÚC MỪNG HỌC VIÊN CAO HỌC NGÀNH HỆ THỐNG THÔNG TIN CÓ BÀI BÁO ĐƯỢC CHẤP NHẬN TẠI HỘI NGHỊ KHOA HỌC QUỐC TẾ MAPR 2026
MAPR 2026 (The 9th International Conference on Multimedia Analysis and Pattern Recognition) là hội nghị quốc tế thường niên về phân tích đa phương tiện và nhận dạng mẫu (Multimedia Analysis and Pattern Recognition), do Trường Đại học Công nghệ Thông tin (UIT), ĐHQG-HCM đăng cai tổ chức, phối hợp cùng Hội Nhận dạng mẫu Việt Nam (VAPR), Trường ĐH Bách khoa Hà Nội (HUST) và Viện Công nghệ Thông tin (VAST); IEEE là nhà tài trợ kỹ thuật (Technical Sponsor). Đây là lần tổ chức thứ 9. MAPR 2026 diễn ra tại Silk Path Grand Huế Hotel, số 2 Lê Lợi, phường Thuận Hóa, TP. Huế, ngày 13 – 14/08/2026.
MAPR 2026 là diễn đàn dành cho các nhà nghiên cứu và chuyên gia đến từ các trường đại học, viện nghiên cứu và doanh nghiệp để chia sẻ những kết quả nghiên cứu mới nhất, đồng thời thúc đẩy hợp tác trong các lĩnh vực trí tuệ nhân tạo (AI), nhận dạng mẫu, phân tích đa phương tiện và các lĩnh vực ứng dụng mới nổi.
Thông tin chi tiết về hội nghị có thể tham khảo tại: https://mapr.uit.edu.vn/
Kỷ yếu các kỳ trước (IEEE Xplore): https://ieeexplore.ieee.org/xpl/conhome/1825404/all-proceedings
Tên bài báo: “Causal-Ordered Event Logs from Public Health Surveys: Mining Diabetes Process Heterogeneity from NHIS”
Học viên thực hiện:
- 250104026 – Thiều Anh Vân – Khóa 20, Học viên cao học ngành Hệ thống Thông tin
- 250104003 – Trần Linh Đa – Khóa 20, Học viên cao học ngành Hệ thống Thông tin
Abstract: Process mining (PM) đã được ứng dụng rộng rãi trên hồ sơ sức khỏe điện tử (EHR) để khám phá các lộ trình chăm sóc bệnh nhân; tuy nhiên, các khảo sát sức khỏe cộng đồng dạng cắt ngang (cross-sectional) như National Health Interview Survey (NHIS) của Hoa Kỳ cung cấp dữ liệu bảng phong phú nhưng không có dấu thời gian (timestamp), khiến PM không thể áp dụng trực tiếp. Chúng tôi đề xuất một pipeline tái lập gồm sáu bước, chuyển NHIS thành event log định dạng XES bằng cách rời rạc hóa 15 chỉ số sức khỏe thành 37 nhãn hoạt động (activity label) và sắp thứ tự chúng dọc theo các lộ trình tiến triển bệnh Đái tháo đường Type 2 (T2DM) đã được thiết lập trong y văn. Trên NHIS 2023 (24.882 bản ghi), thuật toán Inductive Miner Infrequent khám phá được Petri Net với fitness gần 1.0. Phát hiện chính là tính không đồng nhất quy trình ở cấp độ nhóm (cohort-level process heterogeneity): nhóm mắc tiểu đường trải trên 1.831 biến thể (variant) với tần suất mode thấp 0,44%, trong khi nhóm không mắc – lớn hơn – trải trên 7.320 biến thể với tần suất mode cao hơn 1,43%, tức mức độ tập trung vào lộ trình phổ biến nhất cao gấp 3,27 lần. Huyết áp cao là transition nghẽn (bottleneck) nổi trội (73,2% ở nhóm tiểu đường so với 30,5% ở nhóm không tiểu đường; chênh lệch +42,7 điểm phần trăm), và chín transition vượt ngưỡng 20 điểm phần trăm về chênh lệch tuyệt đối. Các kiểm tra độ vững (robustness) trên NHIS 2019/2021, bootstrap matched-N, và các cách sắp thứ tự thay thế đều ủng hộ tính nhất quán về chiều của sự bất đối xứng quan sát được. Như một nghiên cứu điển hình về phương pháp, pipeline mở rộng phạm vi của process mining sang dữ liệu bảng cắt ngang, cung cấp lời giải thích cấu trúc ở cấp quần thể, bổ trợ cho các phân tích học máy ở cấp đặc trưng (feature-level).
