澳理工博士生俞子悅（中）、和麗華（右二）與教授 Giovanni Pau（左一）、教授謝丹嬋（左二）和副教授羅吳蔓（右一）合影。
澳門理工學院計算機應用技術博士學位課程博士學生俞子悅與和麗華近日於2021年度國際物聯網、大數據與安全大會（IoTBDS 2021）發表題目為“深度學習：基於血液檢測的新冠肺炎預測研究”的學術論文，喜獲“最佳學生論文獎”，是本屆大會唯一獲獎的學生論文，獲大會高度評價。
大數據與安全大會旨在探討物聯網以及從物聯網收集的大數據的相關前沿研究課題，是極具代表性、權威和影響力的國際資訊科技領域盛會，每年均吸引世界各地的科技人才參與。本屆大會剛於4月23至25日舉行，其論文集將收錄於國際著名的引文索引Scopus及Engineering Index等。
俞子悅與和麗華在教授Giovanni Pau、教授謝丹嬋和副教授羅吳蔓指導下，對新冠肺炎預測方法進行研究。基於血液檢驗的檢測方法與基於核酸檢測的方法相比，有假陰性率低等優點。本論文首次提出了四種深度學習混合模型，將它們分別應用於採集自巴西Israelita Albert Einstein醫院的血液檢測數據集作新冠病毒預測，並使用準確度、精度、召回率、F1分數和AUC等五項指標對模型性能進行評估。通過測試多種深度混合神經網絡模型後的結果顯示，CNN+Bi-GRU模型在上述五項指標均優於其他現有的基於人工智能和深度學習的新冠病毒預測方法。此研究成果對新冠病毒的高效且準確預測提供有效輔助，在國際嚴峻的抗疫挑戰中，具有相當高的實用性及學術價值，有望廣泛應用於防疫及抗疫工作。
