Biographie

Duy Nguyen schloss sein Masterstudium der Informatik an der Universität des Saarlandes und am Max-Planck-Institut für Informatik (MPI-INF) im April 2021 ab.

Zu seinen Forschungsthemen gehören Optimierungsalgorithmen und maschinelles Lernen. Danach wechselte er zum Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) als hauptamtlicher Forscher in der Abteilung Interaktives Maschinelles Lernen. Von Mai bis Dezember 2021 war er als Forschungspraktikant an der University of California San Diego (UCSD) tätig. Dort untersuchte er Themen der Domänenanpassung und des Transferlernens für die medizinische Bildgebung. Im August 2022 war er einer der ausgewählten Kandidaten für die Teilnahme an der Oxford Machine Learning Summer School. 
Bislang hat Duy mehrere Publikationen im Bereich Computer Vision, insbesondere im Bereich medizinischer Bilder, auf hochrangigen Konferenzen und in Fachzeitschriften wie WACV, AAAI, CVPR, Knowledge-Based Systems und Medical Image Analysis Journal veröffentlicht.

Aktuelle Forschung: Ich interessiere mich für die Übertragbarkeit von Algorithmen des selbstüberwachten Lernens mit Anwendungen in der Biomedizin. Aufgrund der Möglichkeit, Merkmalsrepräsentationen aus unmarkierten Daten abzuleiten, wird erwartet, dass selbstüberwachtes Lernen (SSL) den Mangel an markierten Proben beheben kann.

___

English:

Duy Nguyen completed his master's degree in computer science at Saarland University and the Max Planck Institute for Informatics (MPI-INF) in April 2021.

His research topics include optimisation algorithms and machine learning. He then moved to the German Research Center for Artificial Intelligence (DFKI) as a full-time researcher in the Interactive Machine Learning department. From May to December 2021, he was a research intern at the University of California San Diego (UCSD). There he investigated topics in domain adaptation and transfer learning for medical imaging. In August 2022, he was one of the selected candidates to attend the Oxford Machine Learning Summer School.
So far, Duy has published several papers in the field of computer vision, especially in the field of medical images, in high-level conferences and journals such as WACV, AAAI, CVPR, Knowledge-Based Systems and Medical Image Analysis Journal.

Current research: I am interested in the transferability of self-supervised learning algorithms with applications in biomedicine. Due to the ability to infer feature representations from unlabelled data, it is expected that self-supervised learning (SSL) can address the lack of labelled samples.

Fragestellungen im Themenfeld Künstliche Intelligenz

Ich interessiere mich für die Entwicklung automatisierter Lösungen, die die Effizienz und Genauigkeit von Deep-Network-basierten medizinischen Entscheidungsunterstützungssystemen verbessern, wobei wichtige Herausforderungen wie fehlende Trainingsdaten, unausgewogene Klassenverteilung, Domänenverschiebungen usw. berücksichtigt werden. Zu diesem Zweck untersuche ich Werkzeuge aus den Bereichen graphische neuronale Netze, diskret-kontinuierliche Optimierung und geometrisches Deep Learning, um robuste Algorithmen für maschinelles Lernen zu entwickeln, die gegenseitige Abhängigkeiten und interne Strukturen innerhalb von Objekten erfassen. Diese Forschungsarbeiten können in der Praxis für verschiedene medizinische Anwendungen genutzt werden, z. B. zur Vorhersage von Krebs im Frühstadium, zur Einstufung von diabetischer Retinopathie oder zur Vorhersage des Tumorwachstums usw.

___

English:

I am interested in developing automated solutions that improve the efficiency and accuracy of Deep Network-based medical decision support systems, taking into account important challenges such as missing training data, unbalanced class distribution, domain shifts, etc. To this end, I am investigating tools from graphical neural networks, discrete-continuous optimization, and geometric deep learning to develop robust machine learning algorithms that capture interdependencies and internal structures within objects. This research can be used in practice for various medical applications, such as predicting early stage cancer, classifying diabetic retinopathy, or predicting tumor growth, etc.