學術報告（一）：基于云端大數據小兒先心病智能輔助篩查系統的研究和優化
時間：2017年11月23日14：00
地點：電子學科樓223會議室
報告人：趙鵬軍
主辦單位：電子與光學工程學院
報告摘要：
傳統先心并篩查主要依靠機械聽診，由于環境干擾和醫生經驗的不足，時常出現誤診或漏診，同時傳統診斷方式也加重臨床醫生的勞動強度。通過信息技術結合醫學知識開展研究，將心臟聽診和血氧飽和度測試結合，利用網絡云計算優勢，建立CHDIDS系統，用于小兒先心病篩查。智能聽診器利用傳感器和放大電路采集模擬心音信號，轉換為數字信號后，通過藍牙無線傳輸到PC端或手機APP保存，進行定量分析和醫學識別，找出潛在病因。通過對特定先心病患兒心音數據的采集，格式轉換，時頻圖、波形圖顯示，心率測試，嘗試分析心音數據頻譜特征，從而幫助醫生進行先心病初步篩查，創造性實現對離散的心音數據進行節點化處理，并形成波形圖。電子聽診器和心音智能識別進行有機結合，利用云計算手段，將多中心采集的心音大數據進行訓練、學習和預測，運用人工神經網絡進行算法優化，可大幅度提高臨床先心病的篩查效率和精度。
報告人簡介：
趙鵬軍，男，博士，上海交通大學醫學院附屬新華醫院兒科心臟中心，主任，畢業于上海交通大學醫學院，曾在復旦大學附屬中山醫院心內科和美國哈佛醫學院附屬Boston兒童醫院進修小兒心臟電生理專業。主要醫療專長：擅長先天性心臟病、心律失常、心肌病等診治，尤其是心律失常的處理包括心律失常藥物治療，起搏器安裝和射頻消融等。目前是中華醫學會兒科分會心血管組青年委員會副主任委員，中華醫學會心臟電生理和起搏分會小兒心律學工作委員會委員。主持參與了多項國家及上海市科研項目。發表相關專業論著20余篇，參編專業書籍6部。
學術報告（二）：基于深度學習的先心病模型建立研究
時間：2017年11月23日14：30
地點：電子學科樓223會議室
報告人：張執南
主辦單位：電子與光學工程學院
報告摘要：
根據世界衛生組織的數據，80%的心腦血管疾病、80%的二型糖尿病、絕大部分的原發性高血壓，甚至40%的腫瘤都是可以預防的。心腦血管疾病中，先天性心臟病是其中一種較常見的疾病。深度學習的概念源于人工神經網絡的研究，深度學習的概念由Hinton等人于2006年提出，基于深度置信網絡(DBN)提出非監督貪心逐層訓練算法，為解決深層結構相關的優化難題帶來希望，隨后提出多層自動編碼器深層結構。此外Lecun等人提出的卷積神經網絡是第一個真正多層結構學習算法，它利用空間相對關系減少參數數目以提高訓練性能。將深度學習應用于先心病模型的建立，為先心病的前期篩查提供了一種有效的手段。
報告人簡介：
張執南，男，博士，上海交通大學機械與動力工程學院，博士生導師，2011年博士畢業于上海交通大學機械設計及理論專業并留校任教，2014年丹麥技術大學訪問學者。張執南教授在上海交通大學任教以來，教學及科研成果突出。主要從事設計理論與方法、摩擦學系統設計與分析的基礎與應用研究，主持了多項國家自然科學基金及上海市科研項目，發表SCI論文多篇，編寫專著2部，申請發明專利6項。現為中國機械工程學會摩擦學分會委員會委員，擔任多種外文期刊審稿人。