2023 年 IEEE 第六届模式识别与人工智能国际会议（PRAI-2023 IEEE the 6th International Conference on Pattern Recognition and Artificial Intelligence）由海南大学主办，于2023年8月18-20日在中国海口成功召开。会议主题主要围绕模式识别与人工智能领域，及其相关的学术研究交流与合作。研究中心一篇论文荣获最佳论文奖，两篇论文荣获最佳应用奖。
最佳论文奖：Quantification of epileptic electrical sustained activity during sleep in BECT patients
作者：Guohan Mei, Zhezhao Zhang, Dinghan Hu, Danping Wang, Tiejia Jiang, Tao Jiang, Junfeng Zhang, Jiuwen Cao（Supervisor）
儿童良性癫痫伴有中央颞区棘波（BECT）是与睡眠中癫痫性电持续状态（ESES）相关的综合征之一，然而，该综合症的临床表现缺乏一致性和直观性，使得相关患者的辨识、诊断和治疗管理变得困难，导致诊断和治疗措施滞后。在其临床诊断中，睡眠中异常脑电图的量化，即棘波指数（SWI）常被用作诊断的重要参考标准。本文提出了一种结合深度学习和形态学运算的新方法，用于识别和量化睡眠期间的癫痫电持续活动。方法的平均SWI误差为6.04%，召回率为87.37%，精确率为56.11%。实验结果表明，所提出的方法在儿童癫痫的临床诊断和预后方面具有很大的潜力，它将有助于为ESES综合征患者提供长程脑电图检测，从而为患者的早期治疗提供可能。
方法流程图
U-NET语义分割示意图
放电检测和量化结果展示
与现有方法对比
最佳应用奖: Intelligence Analysis System for Childhood Epilepsy Syndrome
作者：Yuanmeng Feng, Yaohui Chen, Runze Zheng, Jiuwen Cao(Supervisor)
针对在部分较落后地区由于专业医疗资源的匮乏，导致临床上基于脑电信号的儿童癫痫综合征分析效果不佳，难以准确判断儿童癫痫综合征的具体类型，严重影响了患儿的康复的问题。以Pyqt5为开发平台，结合Pytorch深度学习框架，以3D注意力残差深度网络儿童癫痫综合征分类算法为核心，开发了一套儿童癫痫综合征智能分析平台。该平台具有离线分析与实时分析功能，其中离线分析辅助医生在后续长程脑电的读图中进行读图判断，提高读图准确率；实时分析辅助医生对患者的当前状况作出实时判读，及时进行治疗干预。设计的儿童癫痫综合征智能分析系统可在儿童癫痫综合征的诊断和治疗中发挥重要作用。
系统框架
离线分析界面
实时分析界面
最佳应用奖: Motion Recognition System Based on Portable Devices
作者：Qingquan Zhang, Yangbin Ge, Jiuwen Cao(Supervisor)
针对医疗保健系统监测日常生活活动问题，使用来自手环的三轴加速度、陀螺仪、肌电、皮肤电、体温、脉率信号，进行数据预处理，然后提取多模态信号的时域、频域以及非线性特征，训练随机森林（Random Forest，RF）模型，最后以PyCharm软件为基础开发平台，实现手环与系统间的实时通信。该系统可以实时读取信号，进行特征提取，实现对于日常多种人体动作的识别。
设计流程图
实时分析界面