河大资讯

HU-BBS:软件学院游大涛博士示范医工融合

作者:房娜 申彦庆 摄影:吕炤 来源: 已访问:责任编辑:刘旭阳

新时代、新医科、新使命。12月5日,第十三期“河南大学生物&医学午茶会”(Henan University,Biweekly BioMed Seminar,简称“HU-BBS”)在软件学院302学术报告厅举行。软件学院学院游大涛博士应邀做了“基于深度学习的心拍识别”的示范性学术报告。来自软件学院、数学与统计学院、计算机与信息工程学院、国家重点实验室、生命科学学院、教育科学学院和医学院所属学院、重点实验室、附属医院的专家学者及各类高层次人才等50余人参加会议并进行了深入研讨。

报告开始前,为加深与会学者彼此间的了解和认识,进一步增进学者友谊,增加交叉合作的机会,所有参会学者们进行了自我介绍,简单概述自己的研究领域、研究方向和合作意向。

游大涛博士主要从 “团队介绍”、“深度学习的兴起与发展”、“基于神经网络的心拍识别”三个方面展开了学术报告。游博士参与的是武相军教授科研团队,其团队主要研究方向为:深度学习、医学图像处理、非线性系统控制、信息安全,在心拍识别领域保持最高性能记录。他介绍了深度学习这个方法的发展情况,2006年是深度学习发展的分水岭,在2006年前神经网络主要使用BP-DNN网络,随着层次的加深,梯度迅速消失,导致其无法有效向后优化,难以得到全局最优解,致使神经网络处于低谷。在2006年提出了基于RBM的深度置信网络,缓解了梯度消散和全局最优解的问题,由此深度学习兴起。随后在此基础上优化改进,深度学习发展迅猛,根据应用场景的不同主要分为两大类:关于独立事件检测识别多使用卷积神经网络,关于时间序列的多使用循环神经网络。游大涛重点讲述了自己课题组关于深度学习的应用-心拍识别。利用人的经验信息,让算法模型自动提取相关特征,最后进行识别,这是“基于自编码器和CNN的心拍识别”方案。类间的不均衡性会对模型造成误导作用,基于此又改进方案,提出了“基于类别倾向性CNN的心拍识别”。由于类内类间距离信息未得到充分利用,部分异常心拍信号产生较大偏移,为了解决这两个问题又做出了新的方案“基于类内类间距的心拍识别”,这个方案能够得到很好的结果,心拍识别几乎没有差错。但是这些方案都是针对四分类的,针对十二分类的心拍识别效果并不好,因为多个类别的数据量低于100,有的甚至低于10,因此为了有效的增加部分心拍类别的数据量,利用深度卷积对抗生成网络,提出了新的方案“基于DCGAN的心拍识别”,能够很好的识别十类心拍。

在报告过程中和结束后,数学与统计学院的肖运海博士、庞志峰博士,生命科学学院的魏建设博士、张表博士,计算机与信息工程学院阎朝坤博士,软件学院丁爽博士,基础医学院的姬新颖博士,第一附属医院牛晨光博士等纷纷提问,就个性化差异的识别、如何去除噪声、是否能识别肌电图、数据的需求量等方面问题进行了深入的交流,并对游大涛的研究进入临床应用提出了许多建议。

为主动拥抱新科技革命和产业变革的机遇与挑战,探索符合新时代需求的新医科人才培养体系,2018年12月29日,2018-2022年教育部高等学校医学类专业教学指导委员会联席会议暨临床医学类专业教指委首次工作会议召开,就积极推进新医科建设、培养未来杰出的医学科学家,作出系统谋划。教育部在加快实施“六卓越一拔尖”计划2.0中,把新医科作为“四新”重要内容,提出从治疗为主到兼具预防治疗、康养的生命健康全周期医学的新理念,开设精准医学、转化医学、智能医学等新专业。“生物&医学午茶会”的“医工融合专题”,就是要发挥我校综合性大学优势,与计算机与信息工程学院、软件学院合作,结合新时代大数据、人工智能、机器人等新工科优势,在拓展生物医学研究新领域、培育交叉学科创新点方面发挥示范和导向作用的探索与尝试。

游大涛,讲师,硕士生导师,河南大学软件学院。本科、硕士、博士分别毕业于解放军信息工程大学、郑州大学和哈尔滨工业大学,主要研究方向:深度学习、语音识别和心电图识别等。以第一或通讯作者发表SCI/EI论文10余篇,其中多篇发表在本领域顶级会议。参与973和863项目各1项、国家自然科学基金项目2项,授权国家发明专利1项。

TOP