澳門訊 澳門理工學(xué)院計(jì)算機(jī)應(yīng)用技術(shù)博士學(xué)位課程博士學(xué)生俞子悅與和麗華近日于2021年度國(guó)際物聯(lián)網(wǎng)、大數(shù)據(jù)與安全大會(huì)（IoTBDS 2021）發(fā)表題目為“深度學(xué)習(xí)：基于血液檢測(cè)的新冠肺炎預(yù)測(cè)研究”的學(xué)術(shù)論文，喜獲“最佳學(xué)生論文獎(jiǎng)”，是本屆大會(huì)唯一獲獎(jiǎng)的學(xué)生論文，獲大會(huì)高度評(píng)價(jià)。

大數(shù)據(jù)與安全大會(huì)旨在探討物聯(lián)網(wǎng)以及從物聯(lián)網(wǎng)收集的大數(shù)據(jù)的相關(guān)前沿研究課題，是極具代表性、權(quán)威和影響力的國(guó)際信息科技領(lǐng)域盛會(huì)，每年均吸引世界各地的科技人才參與。本屆大會(huì)剛于4月23至25日舉行，其論文集將收錄于國(guó)際著名的引文索引Scopus及Engineering Index等。

俞子悅與和麗華在教授Giovanni Pau、教授謝丹嬋和副教授羅吳蔓指導(dǎo)下，對(duì)新冠肺炎預(yù)測(cè)方法進(jìn)行研究。基于血液檢驗(yàn)的檢測(cè)方法與基于核酸檢測(cè)的方法相比，有假陰性率低等優(yōu)點(diǎn)。本論文首次提出了四種深度學(xué)習(xí)混合模型，將它們分別應(yīng)用于采集自巴西Israelita Albert Einstein醫(yī)院的血液檢測(cè)數(shù)據(jù)集作新冠病毒預(yù)測(cè)，并使用準(zhǔn)確度、精度、召回率、F1分?jǐn)?shù)和AUC等五項(xiàng)指標(biāo)對(duì)模型性能進(jìn)行評(píng)估。通過(guò)測(cè)試多種深度混合神經(jīng)網(wǎng)絡(luò)模型后的結(jié)果顯示，CNN+Bi-GRU模型在上述五項(xiàng)指標(biāo)均優(yōu)于其他現(xiàn)有的基于人工智能和深度學(xué)習(xí)的新冠病毒預(yù)測(cè)方法。此研究成果對(duì)新冠病毒的高效且準(zhǔn)確預(yù)測(cè)提供有效輔助，在國(guó)際嚴(yán)峻的抗疫挑戰(zhàn)中，具有相當(dāng)高的實(shí)用性及學(xué)術(shù)價(jià)值，有望廣泛應(yīng)用于防疫及抗疫工作。

（《中國(guó)基建報(bào)》記者 林麗珊報(bào)道）