• 校园通
  • 协同办公
  • ENGLISH

讲座报告

11月26日14:30 李 阳 :基于深度学习的脑信号分析及脑疾病诊断

讲座编号:jz-yjsb-2018-y069

讲座题目:基于深度学习的脑信号分析及脑疾病诊断

主 讲 人:李阳 教授 北京航空航天大学

讲座时间:20181126日(星期一)下午14:30

讲座地点:阜成路东校区耕耘楼809

参加对象:计信学院教师、研究生

主办单位:研究生院

承办单位:计算机与信息工程学院

主讲人概况:

李阳,北京航空航天大学自动化学院教授、博士生导师,副院长。2011 年毕业于英国谢菲尔德大学自动控制与系统工程系,获哲学博士学位。2012 年至 2013 年在美国北卡罗来纳大学教堂山分校放射系医学成像中心从事博士后研究。2012 12 月入选北京航空航天大学“卓越百人”海外人才计划。主要从事生物医学信号处理与机器学习、医学影像数据分析与处理等方面的相关研究工作。主要研究手段包括脑电图(EEG),结构及功能性磁共振成像(DTI/fMRI),以及机器学习等计算分析方法。以第一/通讯编辑在国际学术刊物上发表SCI论文30多篇,包括 IEEE Transactions on Neural Networks and Learning SystemsIEEE Transactions on Medical Image及医学影像领域重要国际会议MICCAI等。曾获英国谢菲尔德大学“哈里沃辛顿”学术奖、英国“优秀自费留学生奖”,研究成果获2017年获吴文俊人工智能自然奖(排名第1)2016年中国体视学“青年科技奖”等。担任国际期刊BIOINFO Mechanical Engineering主编。

主讲内容:

This talk will describe a possible approach to obtain more relatively objective analysis for the challenging issues of brain diseases using EEG or fMRI technique. It will focus on two ongoing research problems.  The  first  part  will  describe  our  nonstationary  parametric  approach  to modeling  clinically  recorded  EEG  data  sets  from  patients  with  epilepsy  and  explore  how theoretical models may be useful to clinicians faced with the challenges of diagnosing, characterising and ultimately treating seizures. The second part will focus on research with collaborators in Clinical Neurophysiology and explore how model based hypotheses can alter biological understanding. The focus of this section is to establish a conditional cause-effect modeling approach based upon the Multivariate Autoregressive Moving Average with Exogenous input  (MARMAX)  model  identification  techniques,  with  application  to  fMRI  data  to  detect potential disease mechanism of the mild cognitive impairment (MCI) patients. Using dynamic models in this way gives us both a clear set of modeling assumption as well as a set of powerful tools which can help clinicians interpret electrophysiology signals.

 

来源:研究生院(党委研究生工作部) 发表日期:2018-11-26 阅读次数:
XML 地图 | Sitemap 地图