澳理工博士生俞子悦（中）、和丽华（右二）与教授 Giovanni Pau（左一）、教授谢丹婵（左二）和副教授罗吴蔓（右一）合影。
澳门理工学院计算机应用技术博士学位课程博士学生俞子悦与和丽华近日于2021年度国际物联网、大数据与安全大会（IoTBDS 2021）发表题目为“深度学习：基于血液检测的新冠肺炎预测研究”的学术论文，喜获“最佳学生论文奖”，是本届大会唯一获奖的学生论文，获大会高度评价。
大数据与安全大会旨在探讨物联网以及从物联网收集的大数据的相关前沿研究课题，是极具代表性、权威和影响力的国际信息科技领域盛会，每年均吸引世界各地的科技人才参与。本届大会刚于4月23至25日举行，其论文集将收录于国际着名的引文索引Scopus及Engineering Index等。
俞子悦与和丽华在教授Giovanni Pau、教授谢丹婵和副教授罗吴蔓指导下，对新冠肺炎预测方法进行研究。基于血液检验的检测方法与基于核酸检测的方法相比，有假阴性率低等优点。本论文首次提出了四种深度学习混合模型，将它们分别应用于采集自巴西Israelita Albert Einstein医院的血液检测数据集作新冠病毒预测，并使用准确度、精度、召回率、F1分数和AUC等五项指标对模型性能进行评估。通过测试多种深度混合神经网络模型后的结果显示，CNN+Bi-GRU模型在上述五项指标均优于其他现有的基于人工智能和深度学习的新冠病毒预测方法。此研究成果对新冠病毒的高效且准确预测提供有效辅助，在国际严峻的抗疫挑战中，具有相当高的实用性及学术价值，有望广泛应用于防疫及抗疫工作。
