课题组致力于人工智能和信号处理技术在生物医学信号中的应用。近年来，专注于心电、呼吸等信号的分析处理。
一、重症大数据智能分析
呼吸机是ICU中最重要的生命支持设备，对于维持病人生命体征和氧合水平，改善病人预后具有重要的意义。课题组与浙江大学医学院附属邵逸夫医院以及有关企业合作开发了呼吸机信息系统RespCare。该系统能够监控全院呼吸机运行情况，包括呼吸机设置值、测量值以及实时波形。
系统在2020年春节新冠疫情期间应用于浙江援鄂医疗队湖北荆门市第一人民医院新冠ICU，在隔离病房外监控隔离病房中呼吸机使用情况，保护患者与医护人员安全。
基于呼吸机波形，课题组开发了基于深度学习的人机不同步自动检测算法。算法通过标准数十万次呼吸，自动识别人机不同步，取得了优于传统方法的准确率，并实现了检测结果的可解释性，使算法更易被临床接受。所开发的算法已植入RespCare系统，在线为医护人员提示人机不同步的发生。
二、心电智能分析
课题组基于深度学习开发心电智能分析算法，实现对房颤的精准检测。提出了一种基于ECG特征点拼接的数据增强方法，使深度学习性能得到提升。在2018 PhysioNet Challenge数据集上取得了0.82的F1 score得分，仅比冠军以及Google吴恩达团队的得分低0.01分。
受邀参加首届中国生理信号挑战赛汇报。
在东南大学刘澄玉教授组织的心电智能分析专著中贡献章节。
三、相关论文
1. Pan Q, Zhang L, Jia M, Pan J, Gong Q, Lu Y, Zhang Z, Ge H*, Fang L*, An interpretable 1D convolutional neural network for detecting patient-ventilator asynchrony in mechanical ventilation. Computer Methods and Programs in Biomedicine (Accepted)ork.Comput Biol Med 120: 103721, 2020. (JCR Q1, 中科院2区, IF=3.434)
2. Pan Q, Jia MZ, Liu QJ, Zhang LW, Pan J, Lu F, Zhang ZH, Ge HQ*, Fang LP*, Identifying Patient-Ventilator Asynchrony on a Small Dataset using Image-based Transfer Learning.
Technology and Health Care (Under review)
3. Zhang L#, Mao K#, Duan K, Fang S, Lu Y, Gong Q, Lu F, Jiang Y, Jiang L, Fang W, Zhou X, Wang J, Fang L, Ge H*, and Pan Q*. Detection of patient-ventilator asynchrony from mechanical ventilation waveforms using a two-layer long short-term memory neural network. Comput Biol Med 120: 103721, 2020.
4. Zhang Z, Pan Q, Ge H, Xing L, Hong Y, and Chen P. Deep learning-based clustering robustly identified two classes of sepsis with both prognostic and predictive values. EBioMedicine 62: 103081, 2020.
5. Cao P, Li X, Mao K, Lu F, Ning G, Fang L, and Pan Q*. A novel data augmentation method to enhance deep neural networks for detection of atrial fibrillation. Biomed Signal Proces 56: 101675, 2020.
6. Ge H#, Pan Q#, Zhou Y, Xu P, Zhang L, Zhang J, Yi J, Yang C, Zhou Y, Liu L, and Zhang Z. Lung Mechanics of Mechanically Ventilated Patients With COVID-19: Analytics With High-Granularity Ventilator Waveform Data. Frontiers in Medicine 7: 2020.
7. Ge H, Duan K, Wang J, Jiang L, Zhang L, Zhou Y, Fang L, Heunks LMA, Pan Q*, and Zhang Z*. Risk Factors for Patient-Ventilator Asynchrony and Its Impact on Clinical Outcomes: Analytics Based on Deep Learning Algorithm. Frontiers in Medicine 7: 597406, 2020.
8. Lu YF, Lu F, Fang LP, Ge HQ, Pan Q*, Application of Wavelet Multi-scale Characteristics to Detect Patient-ventilator Asynchrony in Mechanical Ventilation, Journal of Chinese Computer Systems, 41(12): 2677-2682, 2020. (in Chinese)
