学术报告（一）：基于云端大数据小儿先心病智能辅助筛查系统的研究和优化

　　时间：2017年11月23日14：00

　　地点：电子学科楼223会议室

　　报告人：赵鹏军

　　主办单位：电子与光学工程学院

　　报告摘要：

传统先心并筛查主要依靠机械听诊，由于环境干扰和医生经验的不足，时常出现误诊或漏诊，同时传统诊断方式也加重临床医生的劳动强度。通过信息技术结合医学知识开展研究，将心脏听诊和血氧饱和度测试结合，利用网络云计算优势，建立CHDIDS系统，用于小儿先心病筛查。智能听诊器利用传感器和放大电路采集模拟心音信号，转换为数字信号后，通过蓝牙无线传输到PC端或手机APP保存，进行定量分析和医学识别，找出潜在病因。通过对特定先心病患儿心音数据的采集，格式转换，时频图、波形图显示，心率测试，尝试分析心音数据频谱特征，从而帮助医生进行先心病初步筛查，创造性实现对离散的心音数据进行节点化处理，并形成波形图。电子听诊器和心音智能识别进行有机结合，利用云计算手段，将多中心采集的心音大数据进行训练、学习和预测，运用人工神经网络进行算法优化，可大幅度提高临床先心病的筛查效率和精度。

　　报告人简介：

赵鹏军，男，博士，上海交通大学医学院附属新华医院儿科心脏中心，主任，毕业于上海交通大学医学院，曾在复旦大学附属中山医院心内科和美国哈佛医学院附属Boston儿童医院进修小儿心脏电生理专业。主要医疗专长：擅长先天性心脏病、心律失常、心肌病等诊治，尤其是心律失常的处理包括心律失常药物治疗，起搏器安装和射频消融等。目前是中华医学会儿科分会心血管组青年委员会副主任委员，中华医学会心脏电生理和起搏分会小儿心律学工作委员会委员。主持参与了多项国家及上海市科研项目。发表相关专业论著20余篇，参编专业书籍6部。

学术报告（二）：基于深度学习的先心病模型建立研究

时间：2017年11月23日14：30

地点：电子学科楼223会议室

报告人：张执南

主办单位：电子与光学工程学院

　　报告摘要：

根据世界卫生组织的数据，80%的心脑血管疾病、80%的二型糖尿病、绝大部分的原发性高血压，甚至40%的肿瘤都是可以预防的。心脑血管疾病中，先天性心脏病是其中一种较常见的疾病。深度学习的概念源于人工神经网络的研究，深度学习的概念由Hinton等人于2006年提出，基于深度置信网络(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。将深度学习应用于先心病模型的建立，为先心病的前期筛查提供了一种有效的手段。

　　报告人简介：

张执南，男，博士，上海交通大学机械与动力工程学院，博士生导师，2011年博士毕业于上海交通大学机械设计及理论专业并留校任教，2014年丹麦技术大学访问学者。张执南教授在上海交通大学任教以来，教学及科研成果突出。主要从事设计理论与方法、摩擦学系统设计与分析的基础与应用研究，主持了多项国家自然科学基金及上海市科研项目，发表SCI论文多篇，编写专著2部，申请发明专利6项。现为中国机械工程学会摩擦学分会委员会委员，担任多种外文期刊审稿人。