学生记者 陈娇
在信息化的今天，大数据可以辅助医生判断患者疾病的严重程度吗？可以检测交通道路的潜在危险吗？信卓11801班的程欢和另外7位队员用创新和汗水回答了这些问题。
3月26日至28日，第十七届“挑战杯”全国大学生课外学术科技作品终审决赛落幕，电子信息学院谢凯老师指导的“智信团队”《智慧模型下序列型数据分类与预测机理研究》项目获三等奖。
思想碰撞燃起创新火花
项目的灵感源于哪里？在参加比赛前，团队成员曾撰写过关于序列型数据的SCI论文，并在《IEEE Access》（中科院二区JCR一区 影响因子3.367）期刊发表。他们在这个方向上有一定的研究基础，同时对人工智能又抱有浓厚兴趣，思想上的共鸣让他们一拍即合。通过不断磨合，相互学习，他们最终整合资源，统一观点，在已有研究成果的基础上，提出了一种混合深度学习模型框架，DNN-LSTM。
基于该框架，他们提出了四种具体的深度学习算法，并分别在冠心病风险检测、疲劳驾驶检测、交通道路危险预测和三维运动视点预测中实现了这四种算法。负责人程欢表示，这四种算法可以胜任不同序列型数据的分类与预测任务，弥补传统算法的不足；而这种智慧模型能够分别在智慧医疗、智慧交通、智慧驾驶和智慧油田四个领域解决相应的实际问题，这是本次项目的创新点和关键技术。
克难奋进不断挑战
百丈之台，始于垒土。刚做实验时，团队感受到巨大压力。为了对已有的序列型数据处理方法进行分析，需要编写代码来验证算法的准确性。程欢介绍：“如果在实验过程中发现已有算法效果不好，则需要再次对其进行修改，并重新做实验。有时候处理的数据量较大，很久才能等到一次结果，一旦发现结果异常，又得一步步发现问题，再反复做实验。”
除了复杂的实验过程，在四种算法的实现上，团队成员同样遇到了阻碍。“在这四种算法中，‘智慧医疗下的冠心病风险检测’算法是最有难度的。”团队成员杨磊说。作为非医学专业的学生，医学知识本来就匮乏，而这又是他们第一次接触医学图像CT数据处理。因此，学习和掌握与冠心病和医学图像相关的专业知识是他们必须面临的一大挑战。
当收集好实验结果，验证完四种算法之后，就要开始准备论文的撰写了。为了科学分析目前序列型数据的研究现状，需要参考大量的国内外相关的文献资料，并严格选取高相关性的文章。为了追求论文的更高质量，他们在细节上不断斟酌，力求完美。
这次参赛经历给予团队成员诸多感悟，也见证了各自的蜕变。杨磊表示，在去年的答辩经历中，胆量得到了锻炼，表达能力得到了提升，整个人变得更有自信了。“我们团队分工明确，协同合作，才能够顺利完成比赛。”程欢说：“我觉得团队精神真的很重要。”
虽然比赛已经落幕，但这段经历将是他们一生中难忘的回忆。他们说，“我们，是勤学刻苦、敢于创新的老板新葡萄8883国际官网下载人。”
（编辑 李胜杰）
