VinUni Banner
Nidal Kamel

PGS.TS. Nidal Kamel

Viện Kỹ Thuật Và Khoa Học Máy Tính

Giảng viên, Chương trình Kỹ thuật Điện

Giới thiệu

PGS. TS. Nidal Kamel là giảng viên Chương trình Kỹ thuật Điện thuộc Viện Kỹ thuật và Khoa học Máy tính (CECS), VinUni. Ông là chuyên gia được quốc tế công nhận trong lĩnh vực xử lý tín hiệu và xử lý ảnh thống kê, với hơn ba thập kỷ kinh nghiệm nghiên cứu và thành tích học thuật nổi bật trong các lĩnh vực: lý thuyết ước lượng, mô hình hóa ngẫu nhiên, thống kê bậc cao (HOS), phân tích thành phần chính (PCA) và các phương pháp không gian con, kỹ thuật lọc, xử lý tín hiệu và ảnh/video cho khử nhiễu và khởi tạo nền, khuếch đại chuyển động thị giác, viễn thông, mạng nơ-ron và trí tuệ nhân tạo.

TS. Kamel nhận bằng Thạc sĩ năm 1989 và bằng Tiến sĩ năm 1994 chuyên ngành Xử lý Tín hiệu Thống kê tại Đại học Công nghệ Gdansk, Ba Lan. Từ năm 1994, ông đã chủ trì và tham gia nhiều đề tài nghiên cứu dựa trên nền tảng lý thuyết vững chắc và các phương pháp định lượng tiên tiến, xây dựng một sự nghiệp nghiên cứu quốc tế bền vững và có ảnh hưởng.

Hiện nay, ông là thành viên của Trung tâm Trí tuệ Môi trường (Center of Environmental Intelligence) tại VinUni, nơi ông dẫn dắt các nhóm nghiên cứu tập trung vào tích hợp dữ liệu viễn thám — bao gồm ảnh vệ tinh đa phổ, ảnh radar khẩu độ tổng hợp (SAR) và dữ liệu từ thiết bị bay không người lái (UAV) — với các mô hình học sâu. Các hướng nghiên cứu hiện tại của ông tập trung vào những ứng dụng có tác động cao như ước tính trữ lượng carbon, giám sát thiên tai, đánh giá năng suất lúa, và phân tích ô nhiễm không khí và nguồn nước.

Trước khi gia nhập VinUni, TS. Kamel là Phó Giáo sư tại Universiti Teknologi PETRONAS (UTP), Malaysia. Trong giai đoạn này, ông tập trung phát triển các phương pháp định lượng dựa trên dữ liệu nhằm đánh giá và tìm hiểu các rối loạn não bộ như căng thẳng, lo âu, rối loạn lo âu xã hội, động kinh và nghiện rượu. Các nghiên cứu mang tính chuyển giao này được thực hiện thông qua hợp tác chặt chẽ với các bệnh viện và viện nghiên cứu y khoa, sử dụng nhiều phương thức chẩn đoán hình ảnh thần kinh như điện não đồ (EEG), từ não đồ (MEG), cộng hưởng từ chức năng (fMRI) và quang phổ cận hồng ngoại chức năng (fNIRS).

PGS. TS. Nidal Kamel là tác giả và đồng tác giả của hơn 40 công trình công bố trên các tạp chí quốc tế hàng đầu như IEEE Transactions on Pattern Analysis and Machine Intelligence, IEEE Transactions on Biomedical Engineering, IEEE Transactions on Geoscience and Remote Sensing, IEEE Transactions on Image Processing, IEEE Transactions on Circuits and Systems for Video Technology, cùng nhiều ấn phẩm của Elsevier, Springer và các nhà xuất bản học thuật uy tín khác. Ông cũng là tác giả của hai cuốn sách chuyên khảo về phân tích EEG và định vị nguồn tín hiệu.

Với nền tảng học thuật quốc tế vững mạnh, thành tựu nghiên cứu bền vững và định hướng liên ngành rõ ràng, PGS. TS. Nidal Kamel tiếp tục đóng góp quan trọng vào hệ sinh thái nghiên cứu của VinUni, đồng thời đào tạo và cố vấn thế hệ kỹ sư, nhà nghiên cứu trẻ theo các chuẩn mực học thuật quốc tế.

• Xử lý ảnh vệ tinh để giám sát môi trường
• Xử lý tín hiệu và ảnh thống kê
• Lý thuyết ước lượng và mô hình ngẫu nhiên
• Giảm nhiễu ảnh/tín hiệu và khởi tạo nền video
• Phóng to chuyển động hình ảnh
• Điện não đồ (EEG) cho hình ảnh não

1. Amin, H. U., Malik, A. S., Ahmad, R. F., Badruddin, N., Kamel, N., Hussain, M., & Chooi, W. T. (2015). Feature extraction and classification for EEG signals using wavelet transform and machine learning techniques. Australasian physical & engineering sciences in medicine, 38, 139-149.
2. Subhani, A. R., Mumtaz, W., Saad, M. N. B. M., Kamel, N., & Malik, A. S. (2017). Machine learning framework for the detection of mental stress at multiple levels. IEEE Access, 5, 13545-13556.
3. Jatoi, M. A., Kamel, N., Malik, A. S., Faye, I., & Begum, T. (2014). A survey of methods used for source localization using EEG signals. Biomedical Signal Processing and Control, 11, 42-52.
4. Awang, A., Husain, K., Kamel, N., & Aissa, S. (2017). Routing in vehicular ad-hoc networks: A survey on single-and cross-layer design techniques, and perspectives. IEEE Access, 5, 9497-9517.
5. Nidal, K., & Malik, A. S. (Eds.). (2014). EEG/ERP analysis: methods and applications. Crc Press.
6. Jatoi, M. A., Kamel, N., Malik, A. S., & Faye, I. (2014). EEG based brain source localization comparison of sLORETA and eLORETA. Australasian physical & engineering sciences in medicine, 37, 713-721.
7. Almahasneh, H., Chooi, W. T., Kamel, N., & Malik, A. S. (2014). Deep in thought while driving: An EEG study on drivers’ cognitive distraction. Transportation research part F: traffic psychology and behaviour, 26, 218-226.
8. Amin, H. U., Malik, A. S., Kamel, N., Chooi, W. T., & Hussain, M. (2015). P300 correlates with learning & memory abilities and fluid intelligence. Journal of neuroengineering and rehabilitation, 12(1), 1-14.
9. Al-Ezzi, A., Kamel, N., Faye, I., & Gunaseli, E. (2020). Review of EEG, ERP, and brain connectivity estimators as predictive biomarkers of social anxiety disorder. Frontiers in psychology, 11, 730.
10. Kamel, N. S., Sayeed, S., & Ellis, G. A. (2008). Glove-based approach to online signature verification. IEEE Transactions on Pattern Analysis and Machine Intelligence, 30(6), 1109-1113.

1994: Tiến sĩ, Xử lý tín hiệu số, Technical University of Gdansk, Phần Lan
1989: Thạc sĩ, Xử lý tín hiệu số, Technical University of Gdansk, Phần Lan

Banner footer