牛津大学远程科研
项目背景 Program Background
随着全球数十亿台移动设备投入使用,医疗设备连接器、传感器成本大幅降低,医疗数据的记录和传输变得简单。然而,生理数据转化为具有实际价值的临床信息,则需要人工智能算法来加以实现。对生物医学时间序列和图像中隐含的大数据进行处理,并计入个体差异,识别和提取健康功能的特征模式,并将这些模式转化为具有指导意义的临床信息,需要充分的生理学知识储备、先进的数字信号处理能力和机器学习(例如深度学习)技能作为支撑。智能算法的创建与新型可穿戴便携式生物传感器相结合,为远程监控患者(即非传统临床环境)及病情管理提供了可能与机遇。
项目介绍 Program Description
本项目将聚焦信息处理的各个方面,包括数据预处理、可视化、回归、维度缩减、功能选择、分类(LR、SVM、NN)及其在医疗决策支持中的作用。将结合相关理论,以医疗数据集(例如医疗时间序列)的处理为例,重点讲授计算机工具和机器学习技术,包括机器学习基础、分类器和深度学习,涵盖现代人工智能及其生物医学应用。在此过程中,你将了解到人工智能的广泛应用及其带来的无限可能。
适合人群 Targeting Students
高中生、大学生
对生物医学、机器学习感兴趣,具备相关专业基础,希望跟随名校导师进行深度科研项目,选择相关领域作为未来学术研究或就业方向的学生。
导师介绍 Instructor Introduction
Maarten De Vos 终身教授
牛津大学
Maarten De Vos 导师现任牛津大学生物医学工程研究所 IBME (The Institute of Biomedical Engineering) 项目主任。其学术工作侧重于创新生物医学监测和信号分析,特别是通过可穿戴传感器和智能分析器获得数据,提取患者健康的生物特征并进行推理分析。Maarten De Vos 导师对转化研究有着浓厚的兴趣,为许多数字健康和医疗创新公司提供咨询服务。他在移动真实大脑监测领域的开创性研究为 mBrainTrain 的成形做出巨大贡献,也因在移动脑动电流图上的创新获得诸多奖项。同时他在新生儿大脑监测方面的研究工作也推动了患者护理领域的发展。
任职学校 University
牛津大学(University of Oxford)建校于1167年,是世界范围内历史悠久的大学之一,英国“G5”名校,在英国社会和高等教育系统中具有极其重要的地位。许多青年学子都以到牛津大学深造为理想。牛津大学在多个领域拥有崇高的学术地位以及广泛的社会影响力。学校位列2020年THE世界大学排名首位,2020QS世界大学排名第4,2020U.S.News世界大学排名第5。
项目大纲 Syllabus
-
生物医学应用; 数据挖掘与处理Intro to biomedical applications; Data exploration and preprocessing
-
线性回归模型; 分类线性模型Linear models for regression; Linear models for classification
-
正则化; 训练分类器; 特征选择Regularization; Training a classifier; Feature selection
-
在生物医学环境中运行和评估分类器Training and evaluating a classifier in a biomedical context
-
人工神经网络; 深度学习CNN & RNNArtificial neural networks; Deep learning RNN & CNN
- 项目回顾和成果展示 Program Review and Presentation
- 论文辅导和发表 Project Paper and Publication
时间安排与收获 Schedule and Outcome
- 7周在线小组科研学习+3周论文辅导学习 共44课时
- Research Essay或科研报告
- 主导师推荐信
- EI/CPCI/Scopus索引国际会议摘要收录与发表(可用于申请)
- 结业证书
- 学术评估报告及成绩单