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????

DeeCamp 2020 挑战赛:通过深度学习识别生物电信号相关推荐

  1. Biological network analysis with deep learning(使用深度学习的生物网络分析)

    Biological network analysis with deep learning(使用深度学习的生物网络分析)很少有关于生物网络的综述类论文,这是今年发在 Briefings in Bio ...

  2. 利用深度学习进行交通灯识别_通过深度学习识别交通信号灯

    利用深度学习进行交通灯识别 by David Brailovsky 戴维·布雷洛夫斯基(David Brailovsky) 通过深度学习识别交通信号灯 (Recognizing Traffic Lig ...

  3. 机器学习原来这么有趣!第四章:用深度学习识别人脸

    第一章:全世界最简单的机器学习入门指南 https://blog.csdn.net/wskzgz/article/details/89917343 第二章:用机器学习制作超级马里奥的关卡 https: ...

  4. MINIST深度学习识别:python全连接神经网络和pytorch LeNet CNN网络训练实现及比较(三)...

    版权声明:本文为博主原创文章,欢迎转载,并请注明出处.联系方式:460356155@qq.com 在前两篇文章MINIST深度学习识别:python全连接神经网络和pytorch LeNet CNN网 ...

  5. 利用深度学习识别番茄早期植株中的塔图绝对菌

    利用深度学习识别番茄早期植株中的塔图绝对菌 1.研究内容 提出了一种深入学习的方法来识别番茄斑潜蝇害虫(塔图绝对)的入侵.卷积神经网络体系结构(VGG16.VGG19和ResNet50)用于训练分类器 ...

  6. 验证码识别 java 深度学习_使用深度学习识别验证码注解

    前言 在抓取一些网站的时候难免会遇到一些验证码.想起去年接触过一段时间的验证码识别技术,所以把之前使用的开源的cnn识别再拿出来做个注解.加深理解,也方便以后的使用.希望能对大家有所帮助! 正文 网上 ...

  7. python 训练识别验证码_python使用tensorflow深度学习识别验证码

    本文介绍了python使用tensorflow深度学习识别验证码 ,分享给大家,具体如下: 除了传统的PIL包处理图片,然后用pytessert+OCR识别意外,还可以使用tessorflow训练来识 ...

  8. 增强版!如何深度学习识别滑动验证码缺口

    这是「进击的Coder」的第 394 篇技术分享 作者:崔庆才 来源:崔庆才丨静觅 之前的文章中其实已经提到过如何使用深度学习来识别滑动验证码缺口,文章见利用 Python 深度学习识别滑动验证码缺口 ...

  9. tensorflow环境下的识别食物_研究室秒变后厨,TensorFlow被馋哭!日本团队用深度学习识别炸鸡,救急便当工厂...

    大数据文摘出品 作者:李欣月.刘俊寰 在韩国最受欢迎的外卖食品是什么? 答案毋庸置疑,一定是炸鸡! 根据韩国外卖订购软件公布的的统计数据显示,炸鸡今年再次当选韩国"最受欢迎的外卖食品&quo ...

  10. DAS 2020 Keynote Speech | 深度学习时代的 OCR

    DAS 2020 (Document Analysis System,文档分析系统研讨会) 于 7月26-29日在武汉召开,本次研讨会中有不少精彩的内容,今天向大家重磅推荐来自华南理工大学金连文老师的 ...

最新文章

  1. 扩增子分析解读4去嵌合体,非细菌序列,生成代表性序列和OTU表
  2. android判断耳机
  3. 转 容器生态系统 (续) - 每天5分钟玩转容器技术(3)
  4. Linux Tomcat 简介
  5. 8. An Introduction to MCMC for Machine Learning (3)
  6. Winform中使用ZedGraph实现曲线图中字体去掉边框
  7. 获取内联和链接中的样式
  8. SAP Hybris安装包里自带的Maven和Gradle
  9. 成功安装mysql后,为何服务管理器里找不到MySQL服务名(解析篇)
  10. 【今日CS 视觉论文速览】 24 Jan 2019
  11. light task schedule的定时任务实现源码解析
  12. 多文档文本编辑器(Qt)
  13. 【STM32】ADC库函数、一般步骤详解(实例:内部温度传感器实验)
  14. ios 拍照上传到服务器_iOS 上传图片到服务器
  15. 《Openwrt开发》第四章:newifi3 实现内网穿透(n2n)
  16. 如何将图片的背景色去掉?怎样快速去除背景色?
  17. 信用卡降额冻结封卡,如何摆脱银行风控?
  18. ISO 9126软件质量模型的6大特性和27个子特性,测试人员建议深入了解
  19. 网络基础 - 网关、网段、子网掩码、DNS
  20. 超详细!Vue-coderwhy个人学习笔记(二)(Day3)

热门文章

  1. 【随机过程】课后作业 1-条件概率期望密度
  2. Python代码实现信息轰炸
  3. 数据压缩_任务五_预测误差均方值推导及最小二乘法
  4. 计算机设计大赛海报素材,海报创意设计比赛方案(word版)
  5. DELL-Vostro3559-MAC装黑苹果
  6. 解读《西厢记》——基于人脑的句法分析
  7. CSS 3之设置图片边框
  8. TensorRT安装及使用--通用模型
  9. 高效能人士的七个习惯--由内而外全面造就自己
  10. 台式计算机的安规测试要求,美国EPA发布能源之星计算机规范V8.0版