Applied Mathematical Seminar39: Statistical Models for Big Data with Applications in Precision Medicine 大数据模型和精准医疗

Seminar| Institute of Mathematical Sciences

Abstract: 可穿戴设备和图像数据已经被越来越多地用于日常生活和健康医疗中，但对其海量数据的统计学习方法还处在初期阶段。本讲座聚焦于对可穿戴设备中的无约束数据（即free-living数据）的分析。相对于实验数据，free-living数据有以下特点（以AX6数据为例子）：（1）Free-living数据的随意性：受试者收集的数据是多段长短不同的，非标准的多维时间序列和函数型数据，我们要对此类非标准数据建立标准，和建立个体化的精准预测模型；（2）巨大的差异性（非齐性）：除了个体间的差异外，还有环境文化差异，以及同一个体日常生活的非规律性等；（3）数据结构异常复杂：例如原始数据可以是对应各类动作步态的过程变量（加速度或角速度），通常还包含较大的噪音信号，使得数据在不同时间和频率上都有非常不同的均值和方差结构；（4）海量数据：受试者佩戴可穿戴设备七天产生的原始数据总量超过5G，如何去除海量数据中的无用信息，保留建模所需的有效信息是待解决的问题。本讲座将会利用一些实际例子探讨如何解决这些问题的思路。