Description
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
1. 麦吉尔大学博士
2. 导师将于2018年前往麦吉尔大学就读博士；
3. 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：
1、具备基本的学术英语阅读能力；
2、接触过英文写作，有论文写作经验者更佳；
数学：
1、概率统计基础知识；
2、线性回归；
3、微积分基础；
4、线性代数；
计算机：
1、Python编程基础；
2、Numpy库基础；
3、Scikit-learn
咨询请添加顾问老师
