DeeCamp 2020 挑战赛:通过深度学习识别生物电信号

DeeCamp 2020是创新工场推出的全球AI领军人才培养计划,其下设的开放性竞赛面向所有计算机、数学、自动化等AI领域相关专业本、硕、博在校生开放报名,全程免费。竞赛共设立五大赛道,涵盖医疗卫生、商业赋能、自动驾驶、AI教育、AI科研创新等领域。

 

对于提交的最终结果,评委将从「创新性、先进性、潜在价值、呈现结果」四个维度进行评估,最终评出总冠军及各赛道冠军,最高奖项奖金达人民币100,000元。同时,优秀学员还有机会参加与神秘科学家评委的午餐/晚餐交流会!

 

在AI医疗卫生赛道上,旷视研究院精心设计课题“通过深度学习识别生物电信号”,邀请来自全球的优秀AI青年人才组队,用创意向现在和未来人类面临的科技问题发起挑战,用深度学习框架天元MegEngine助力AI技术改变真实世界!

 

深度学习识别生物电信号

生物电信号包含着丰富的人体信息,对它的深度分析,能够极大程度上助力基础科学的发展。临床上常见的生物电信号主要有:心电、脑电、肌电、胃电、视网膜电等。这些体表生物电信号通常能通过电极拾取,经适当的生物电放大器放大,记录而成为心电图、脑电图、肌电图、胃电图、视网膜电图等。

 

要求

对生物电信号更好的识别能够带来医疗健康、人机交互等领域的新突破。为此,请大家思考如何使用深度学习技术来增强对生物电信号(主要是肌电、脑电两个方向)的识别,以及基于这些识别能进一步开展哪些应用?

 

考虑到对这个课题的研究可能涉及巨大的算力、复杂的数据处理、模型设计与测试等问题,因此推荐选择此方向的队伍使用旷视天元MegStudio进行数据集的存储和模型训练。

 

建议

 

  • 可以是算法在web端的demo,也可以是完成度更高的APP,小程序、软硬一体解决方案等,形式不限;

  • 建议以具体应用场景来倒推要解决的问题,如通过肌电型号进行手语识别、通过脑电进行人机交互、唇语识别等;

  • 可以综合运用图像、NLP多种AI技术;

  • 项目中的深度学习算法部分需要使用旷视MegEngine深度学习开源框架(可以是部分工作用到);

  • 将着重考察场景的创意,更倾向选择能解决真实生活问题的技术;以及项目的完整程度,拥有更高产品完成度的项目更容易受到认可;

参考信息

 

  • MegEngine官网:https://megengine.org.cn/ 

  • MegEngine Github:https://github.com/MegEngine

  • MegStudio:https://studio.brainpp.com/

  • 深度学习和EEG的结合:https://www.zhihu.com/question/60729361?sort=created

  • 用卷积神经网络来实现EEG信号识别:https://arxiv.org/pdf/1611.08024.pdf

  • 深度学习和唇语识别的结合:http://cdmd.cnki.com.cn/Article/CDMD-10214-1019182388.htm

  • 深度学习和手语识别的结合:http://jeit.ie.ac.cn/article/app/id/469bfebf-bd90-472b-a7df-f5026c403f20

  • MIT计算生理学实验室医学研究数据库:https://www.physionet.org/data/

  • 脑机接口研究相关数据库:http://bnci-horizon-2020.eu/database/data-sets

 

报名通道

 

             

小彩蛋

天元开发者交流QQ群:1029741705

 

 

 

关于竞赛以及报名等更多详情信息,请点击文末「阅读原文」。

 

传送门 

欢迎大家关注如下 旷视研究院 官方微信号????