McGill探究項目

使用機器學習方法提高癲癇疾病診斷率

課題簡介

生物信息學

Bioinformatics

是一門交叉學科，主要利用數學、信息學、統計學和計算機科學的方法研究生物學的問題。生物信息學用計算機作為主要的研究工具，研究對象是各式各樣的生物學數據——比如腦電信號、基因組、蛋白質結構等。研究方法包括對生物學數據的搜索（收集和篩選）、處理（編輯、整理、管理和顯示）以及利用（計算、模擬）等。

在生物醫學領域中，癲癇是比較常見的一種神經系統疾病。世界人口中約有1%患有癲癇疾病，受害人群范圍廣，不僅中老年人，還有相當一部分青少年也經受著癲癇的折磨 。目前對癲癇疾病的診斷主要依靠臨床醫生對病人常規腦電圖的觀察，但醫生檢查腦電圖工作量太大，時間較長，容易出現錯誤，不利于對癲癇的診斷 。因此需要研究一種提取腦電信號特征的方法來減輕醫生工作量，提高癲癇疾病診斷的準確率。因此實現腦電信號特征的準確提取，有利于及早識別癲癇疾病,對預防和治療癲癇疾病具有極為重要的意義。

科研方法

AI＋X數據驅動型科研

使用人工智能（AI）算法，收集、處理、分析具體學科（X）的海量數據，并基于此進行預測，從而獲得科學發現的研究方法。與傳統的、基于實驗或邏輯推理的研究方式相比，AI＋X數據驅動型科研可以借助AI算法強大的運算能力，高效地進行大數據分析，具有投入產出比高、適用范圍廣的優點。

AI＋X數據驅動型科研已被廣泛地應用于各個領域，利用AI算法研究基因數據，從而進行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數據千千萬萬，使用傳統的科研方式對其進行分析，工程量大、過程繁瑣，在客觀上難以實現。

但借助AI算法這一便捷的工具，生命科學家便能夠以海量的患者的遺傳信息為基礎，建立數據庫，與過往的研究成果進行對照，快速、準確地在兩者中發現規律、建立聯系，從而使癌癥診斷的“標準化”成為可能。

---

課題要求

本課題適合： 9-12 年級學生，有較強的邏輯思維和抽象思維能力：

英文：
1、具備基本的學術英語閱讀能力；
2、接觸過英文寫作，有論文寫作經驗者更佳；

 

數學：
1、概率統計基礎知識；
2、線性回歸；
3、微積分基礎；
4、線性代數；

 

計算機：
1、Python編程基礎；
2、Numpy庫基礎；
3、Scikit-learn