提高癫痫疾病诊断率的探究项目

癫痫是一种古老的疾病。表现为反复癫痫发作的慢性脑部疾病。患者脑部存在着能导致癫痫反复发作的易感性，由于这种发作所引起的神经生化、认知、心理后果，以及一次以上非诱发性（或反射性）的癫痫发作是癫痫存在的三要素。 由于癫痫猝死的存在，因而癫痫也是一种潜在的致死性疾病。今天小编要介绍的课题是McGill探究项目：使用机器学习方法提高癫痫疾病诊断率。

课题简介

生物信息学

Bioinformatics

是一门交叉学科，主要利用数学、信息学、统计学和计算机科学的方法研究生物学的问题。生物信息学用计算机作为主要的研究工具，研究对象是各式各样的生物学数据——比如脑电信号、基因组、蛋白质结构等。研究方法包括对生物学数据的搜索（收集和筛选）、处理（编辑、整理、管理和显示）以及利用（计算、模拟）等。

在生物医学领域中，癫痫是比较常见的一种神经系统疾病。世界人口中约有1%患有癫痫疾病，受害人群范围广，不仅中老年人，还有相当一部分青少年也经受着癫痫的折磨 。目前对癫痫疾病的诊断主要依靠临床医生对病人常规脑电图的观察，但医生检查脑电图工作量太大，时间较长，容易出现错误，不利于对癫痫的诊断 。因此需要研究一种提取脑电信号特征的方法来减轻医生工作量，提高癫痫疾病诊断的准确率。因此实现脑电信号特征的准确提取，有利于及早识别癫痫疾病,对预防和治疗癫痫疾病具有极为重要的意义。

科研方法

AI＋X数据驱动型科研

使用人工智能（AI）算法，收集、处理、分析具体学科（X）的海量数据，并基于此进行预测，从而获得科学发现的研究方法。与传统的、基于实验或逻辑推理的研究方式相比，AI＋X数据驱动型科研可以借助AI算法强大的运算能力，高效地进行大数据分析，具有投入产出比高、适用范围广的优点。

AI＋X数据驱动型科研已被广泛地应用于各个领域，利用AI算法研究基因数据，从而进行早期的癌症筛查便是其中一例。基因组与癌症病患的数据千千万万，使用传统的科研方式对其进行分析，工程量大、过程繁琐，在客观上难以实现。

但借助AI算法这一便捷的工具，生命科学家便能够以海量的患者的遗传信息为基础，建立数据库，与过往的研究成果进行对照，快速、准确地在两者中发现规律、建立联系，从而使癌症诊断的“标准化”成为可能。

授课导师

麦吉尔大学博士

导师将于2018年前往麦吉尔大学就读博士；

曾在研究生期间发表多篇机器学习，生物信息学方向IEEE级别会议期刊；

课题要求

本课题适合： 9-12 年级学生，有较强的逻辑思维和抽象思维能力：

英文：

具备基本的学术英语阅读能力；

接触过英文写作，有论文写作经验者更佳；

数学：

概率统计基础知识；

线性回归；

微积分基础；

线性代数；

计算机：

Python编程基础；

Numpy库基础；

Scikit-learn

McGill探究项目：使用机器学习方法提高癫痫疾病诊断率的课题可以帮助提高癫痫的疾病诊断率，能够造福大众。

报名/咨询课题详情

请识别下方二维码