国际合作

       为进一步促进学院国际化发展，邀请了英国伦敦大学学院的Gerold Baier教授为我校学生讲授《脑电时空数据的非线性动力学》（The Nonlinear Dynamics of Spatio-temporal Systems-with human EEG as example）课程，课程于7月1日正式开讲，并于7月8日圆满结课。

       本次课程吸引了数学与统计学院的本科生与研究生参加或旁听，主讲老师为英国伦敦大学学院教授Gerold Baier，主要从事癫痫机理的研究工作和生物研究的教学工作，主要教授生物研究定量技能、生物研究高级定量技能、自然科学统计学，以及数据医学研讨会和在线培训的临床医生编码员(Clinician Coders)等相关内容。

       课程刚开始，Gerold Baier教授介绍了复杂动态系统和立体脑电图（sEEG）的基本概念及其在临床上的应用，指出sEEG在神经外科中至关重要。接着以单变量一阶微分方程的神经集群数学模型为例，重点讨论了非线性函数对解的影响。通过数值模拟，研究了模型变量的时间序列图和分岔图，展示了在非线性条件下系统可能存在多个稳态。在此过程中，借助python代码，详细给同学们演示了如何导入和处理sEEG数据，包括带通滤波、绘制时间序列图、热图、箱线图、直方图及傅里叶谱分析。通过对不同电极和时间段的数据进行分析，探索脑电波的振荡特性。

       随后，Gerold Baier教授介绍了对癫痫患者单通道sEEG数据进行单变量分析的方法，强调了癫痫活动在频率、振幅和波形上的规律性和特征性。介绍了皮尔逊相关系数和Jensen-Shannon距离，用于评估不同脑电信号段之间的相似性。同时聚焦于EEG中的时空振荡现象，强调大脑活动的非重复性和非平稳性。整体而言，Gerold Baier教授通过数学模型和动态系统理论，深入分析了癫痫发作的动特征和可能的机制。

       最后，Gerold Baier教授详细介绍了监督学习中的分类问题，特别是如何使用随机森林等机器学习算法来预测EEG数据中的癫痫发作。从监督学习和分类的基本概念出发，逐步阐述了数据准备、特征选择、模型训练与测试的过程，并通过比较不同算法的性能，展示了机器学习在医疗诊断中的应用潜力。此外，探讨了无监督学习中的聚类问题,强调了评估聚类结果的重要性，并提出了使用外部标准进行评估的方法。同时，展示了如何结合有监督学习，通过特征重要性分析和特征选择来提高模型性能。

       Gerold Baier教授以其独特的幽默感和生动的授课风格，深受学生们的喜爱。他不仅在课堂上传授知识，更注重与学生之间的互动交流。通过现场演示Python代码的编写与运行，他使得抽象的理论变得具象而生动，让学生们能够更直观地理解和掌握编程技能。对于学生的作业和疑问，Baier教授总是耐心细致地给予点评和解答。课程结束后，学生们普遍对Python软件以及脑电图动力学特征有了更加全面深入的了解。

图文：张红慧 赵玉枝

审核：都琳