大学生创新创业训练计划智能管理平台
第二十九期上海交通大学大学生创新实践计划
基于多模态信息融合的儿童睡眠呼吸障碍智能诊断方法研究
创新训练项目
工学
仪器类
创新类
电子信息与电气工程学院
马进
指导教师
登录状态下查看
围绕人工智能和机械工程等多学科交叉融合展开研究，面向医学、航天、汽车等行业中的现实应用需求，从事新型仿生机器人设计、多模态信息融合方向研究，近1年来：主持国家自然科学基金面上1项，国家自然科学基金青年1项；主持上海市浦江人才计划A类项目1项，其它纵横向课题6项；参与国家重点研发计划、国家自然科学基金重点和科技部创新方法专项等项目10余项.
本课题为导师科研课题的子课题内容，导师目前承担多项相关省部级课题，为本课题的先进性、创新性提供了理论保障。同时依托所在实验室及学院，面向参与学生开放本课题所需的各种资源。同时配套经费，用于学生的各项学术交流及日常科研支出。
良好的睡眠是儿童生长发育的重要过程，对促进儿童的神经系统、免疫系统、心血管系统等各大系统的发育成熟有着重要意义，儿童睡眠呼吸障碍严重影响儿童身体和精神的健康成长，且在儿童群体中较为常见，因此已引起社会各界广泛关注。在这些儿童睡眠呼吸障碍疾病中，阻塞性睡眠呼吸暂停（Obstructive Sleep Apnea，OSA）居于多数。多导睡眠监测图 (Polysomnography，PSG) 是诊断儿童睡眠呼吸暂停公认的金标准，通过PSG监测脑电、呼吸和心跳等十余项指标数据的准确判读与解释，对儿童睡眠呼吸暂停予以早期的诊断，并予以及时有效的干预，从而保证儿童良好的睡眠质量，避免严重并发症的出现。
本项目拟针对儿童睡眠监测判读过程中存在的问题，基于采集到的PSG多通道监测数据，结合美国睡眠医学会睡眠及相关事件判读最新标准AASM2.5，研究基于深度学习的端到端儿童睡眠呼吸监测智能诊断方法，包括：面向深度学习的多导睡眠图（PSG）的儿童睡眠呼吸障碍多通道数据集构建、基于深度学习的儿童睡眠呼吸障碍智能诊断网络模型和基于深度学习的儿童睡眠呼吸障碍智能诊断原型系统开发。从而辅助医务工作者高效地对儿童睡眠呼吸障碍进行诊断。本项目的研究成果，可提高儿童睡眠呼吸障碍判读效率，对于提升医学界关于儿童睡眠呼吸障碍诊疗水平，具有重要的理论和实际意义。