2020年10月24日，澳大利亚维多利亚大学张彦春教授在医学大数据与人工智能线上学术交流会议上作“智慧医疗：医学大数据挖掘及AI在疾病监测预警及健康管理的创新应用”的学术报告。部分团队老师和研究生参加了本次学术会议。

本次报告，张教授围绕医疗大数据&AI、脑电分析&睡眠健康、心电监测预警和总结与展望四个部分，对医学大数据与人工智能技术的结合在疾病检测领域的应用作了详细的阐述。

报告伊始，张教授说如今医疗健康跨入了大数据时代。医疗数据包括公共健康数据、医学影像等，健康数据包括像病人病理记录、X光片、CT等静态健康数据，也包括了如生物传感器读数、血压读数、日常糖尿病血糖测量等动态数据，所有这些数据，共同组成了医疗健康大数据。

随后张教授又向我们介绍了人工智能，人工智能是赋予计算机感知、学习、推理以及协助决策的能力，从而通过与人类相似的方式来解决问题的一组技术。人工智能的关键技术包括计算机视觉、语音、语言和认知能力等，将这些能力对应到医疗领域，医疗人工智能将具有各种形式的对话能力，可以快速加工大量医疗和病患信息，从而提高医生的效率。

张教授认为人工智能在医疗上具有广阔的应用场景，包括医学影像、疾病分险预测、健康管理辅助诊疗药物挖掘等领域。他认为医学健康大数据、算法和算力是“AI+医疗”的三大基石，在这方面的研究还有很长的路需要走。

紧接着，张教授以“脑电图分析与睡眠健康及癫痫检查”为主题展开报告的第二部分。人脑大约由1000亿个神经元组成，这些神经元保存着大量电荷，脑电图表达了大脑的功能随时间变化的情况。由此，脑电图有着广阔的应用领域。

睡眠是消除身体疲劳的主要方式，它可以恢复精力，增强免疫力，保护我们的大脑。人的睡眠周期可分为清醒期、N1（潜睡）期、N2期、N3（深度睡眠）期和R（快速眼动）期，在不同阶段按，人脑的脑电信号呈现不同的节律特征。

随后张教授向我们介绍了他与其他团队合作开展的发作性睡病分析工作。先选取脑电数据，将其投入卷积神经网络进行训练，如果样本量较少则通过扰动数据生成对抗样本来获得足够多的训练样本，最后进行数据分析。

操作流程

具体方法

数据分析

（红色曲线代表发作性睡病患者，绿色曲线代表正常人）

通过分析图像，发现在W期和R期，发作性睡病患者缺少θ波，从而能够将发作性睡病患者和正常人区分开来。

紧接着张教授介绍了关于癫痫检测的相关内容，首先向我们展示了普通人和癫痫患者的EEG波形（右下角为癫痫病人发病时的脑电图）：

通过对EEG进行数据处理（去噪）、特征提取、分类识别、预测、基于结果做出决策等步骤，最终完成对一个被试的脑电分析。

在后期，张教授团队对分析结果做了可视化的处理，将一个脑电图分为若干个段，根据相关理论相互连线，然后根据斜率加权，最终形成一个可视化的图形。

左可视化图代表正常人，右图代表癫痫病人

在报告的后半部分，张教授向我们介绍了心电监测预警的相关工作：先获取医生手术时的相关数据，然后分析心电、血氧等数据的变化趋势，从而发现异常，做出预警。比如在正常情况下心率和脉搏是一致的，但在心房颤动、频发性早搏等心律失常时，脉搏会少于心率；又比如呼吸与脉搏次数的比例一般是1:4，如果这样的关系发生变化，那么可以诊定为人体异常。

随后张教授介绍了他们团队和复旦大学附属中山医院合作开发的面向重症和手术麻醉场景的心电异常检测系统。它能够实时显示心电、静脉压等波形图，及时将病人的生理数据流反馈给医生。

报告的最后，张教授对人工智能在医疗领域的应用做了一个总结。一是物质方面，人工智能的应用可以提升医生的效率，增强患者的自诊能力，降低患者对医生的需求量，减少成本，实现资源的充分利用等；二是在精神健康领域，它能帮助医生对病患设计个性化治疗方案，更多关照到病人的精神健康。

张彦春，澳大利亚维多利亚大学教授，维多利亚大学应用信息科学研究中心主任，国际互联网信息系统工程协会（WISE Society）主席。主要研究方向为社会计算和电子健康，大数据及AI算法与应用，在相关专业领域发表国际期刊论文和国际学术会议文章350多篇（信息技术及医学领域）。

撰稿人：孙炜