- 👋 Hi, this is @JulianLee310514065. I'm a master student in NYCU, Taiwan. My native language is Mandarin and Taiwanese, please forgive me if I make grammar mistakes in English.
- 👀 I’m interested in playing soccer, traveling, playing PC games, and also coding
- 🌱 I’m currently learning Python of Machine learning, GUI, SQL, and NLP, and also learning about Cloud Platform (Google、AWS)
- 📫 How to reach me: You can go to FB and search JulianLee， or my email
julianlee091873@gmail.com
Intelligent functional near-infrared spectroscopy for schizophrenia and bipolar disorder: Feasibility assessment of an explainable artificial intelligence algorithm
目前在臨床精神疾病的診斷中，主要仰賴醫生的專業經驗以及使用量表進行評估。然而， 由於不同醫師的專業經驗可能有所不同，且量表會有病人的主觀部分在，從而使得病患無法獲 得客觀的診斷方式。此外，思覺失調症、雙向情緒障礙症與憂鬱症等精神疾病在臨床上的特徵 有時會相似，從而難以正確的診斷疾病，而這些疾病的治療方法也存在顯著的差異。如果無法 在早期準確進行診斷，將可能導致患者的治療成本上升以及病況的惡化。 為了解決這一問題，本研究對健康人、思覺失調症患者和雙向情緒障礙症患者在進行語意 流暢度測驗時，通過使用近紅外光光譜術來量測患者腦部血流的變化。並且結合深度學習和可 解釋的人工智能技術協助醫生進行診斷。在對控制組以及患有思覺失調症的病患的分類上，模 型在訓練集和測試集上的準確度分別達到了0.941 和0.833。同樣地，在控制組和患有雙向情 緒障礙症的病患分類中，我們的模型在訓練集和測試集上的準確度分別為0.936 和0.909。在 二階段的三分類分類中，模型在控制組和疾病組的訓練準確率和測試準確率分別為0.958 和 0.944，而在思覺失調症和雙向情緒障礙症的分類中，訓練準確率和測試準確率分別為0.916 和0.909。 這些結果清楚地表明，我們的實驗方法能夠有效地利用血氧資訊來區分精神疾病，並證實 了我們提出的方法的可行性。這一研究能輔助醫生增加診斷的準確性，並降低治療成本以及提 升患者預後。
關鍵字：功能性近紅外光光譜術、思覺失調症、雙向情緒障礙症、語意流暢度測驗、深度學 習、可解釋AI
因緣際會下認識位金融背景朋友，因而踏上了數位金融的道路，計畫原名為大新聞計畫，在尋思之後引用梵語Akasha作為名稱，其意思為宇宙本源這個字詞，代表著知曉所有情報的聚合體。此專案以時事新聞、資金流向與市場連動趨勢為主軸，下圖為專案藍圖，分成兩個部分，爬蟲系統及資金流與市場動向，爬蟲系統包含爬取新聞、存取新聞、分析新聞與即時推送新聞，資金流與市場動向為市場資金流動之分析，分析大額資金的進出與不同市場間連動關係，才有機會早一步做出應對，做出更明智的交易決策。
- 介紹: DataCamp是國外有名的線上程式學習網站，課程包括數據科學和程式開發技能，涵蓋了Python、R、SQL、機器學習、統計分析、資料視覺化等領域。 Datacamp的課程皆由業界專家和知名教育者設計和教授，每個皆具有豐富的教學與實戰經驗。DataCamp也供了證照供上課的學生可以考取，內容包含基本Python撰寫、SQL、資料視覺化以及資料處理與機器學習，此外還有必須實作一個真實案例之Profect，分析生活中的真實資料，並將資料處理後建模分析，最後口頭報告描述程式內容，方可獲得證照。
- 隊名 : SuperNormal
- 主題方向 : Fintech
- 簡介 : 使用python中之第三方DTW函數庫，計算多種商品、大盤和加密貨幣的「時間序列相似度」，以觀察宏觀的現況。此外我們也計算大盤與個股間的時間序列相似度，來觀察大盤走勢向下時，走勢逆向上升的個股。
- 更多詳情請見連結。
| Final Rank |
|---|
| 1 (特優) |
- 隊名 : TEAM_3134
- 簡介 : 這個比賽是要區分不同喉嚨疾病的聲音，官方給出五種疾病的音檔，為1~3秒的「阿」單音，參賽者要建立可以對聲音資訊做分類的模型，並分類之。最後的結果為Public data之UAR分數為0.657225，Private data之UAR分數為0.607568，並獲得Public第七，Private第六的成績。
- 更多詳情請見連結。
| Public Score | Public Rank | Public Score | Private Rank | Final Rank |
|---|---|---|---|---|
| 0.657225 | 7 / 371 | 0.607568 | 6 / 371 | 4 (優等) |
- 隊名 : TEAM_1015
- 簡介 : 這個比賽主要目標是切割肺腺癌的癌細胞區域，透過官方提供的醫生標記遮罩(MASK)，架設語意切割(Semantic Segmentation)模型，並試圖讓AI自動分出癌細胞的區域。最後的結果為Public data之DICE分數為0.918679，Private data之DICE分數為0.916327，並且獲得Public第四、Private第七的結果。
- 更多詳情請見連結。
| Public Score | Public Rank | Public Score | Private Rank | Final Rank |
|---|---|---|---|---|
| 0.898982 | 4 / 307 | 0.916327 | 7 / 307 | 14 (佳作) |
-
經歷、獎項: AICUP(audio)優等、AICUP(segmentation)佳作、52_Channel_NIRS_Data
-
目標、計畫: NLP新聞分類
-
經歷、獎項: 太空中心AI競賽第一名、學長結果重現(及改進)、DataCamp - Professional Data Scientist Certificate
-
目標、計畫: 實戰中
-
經歷、獎項: 大新聞計畫-爬蟲、Udemy-selenium證書
-
目標、計畫: Scrapy、實戰中
-
經歷、獎項: 大新聞計畫-SQL
-
目標、計畫: 更多SQL的應用、雲端SQL系統、NoSQL
-
經歷、獎項: Udemy-Pyqt5證書一、Udemy-Pyqt5證書二、大新聞計畫-GUI、Udemy-Dashboards with Plotly & Dash證書
-
目標、計畫: 實際任務開發
-
經歷、獎項: TWCC (運端運算)、Google Cloud 翻譯API、AWS
-
目標、計畫: GCP、雲端部屬
-
經歷、獎項: Udemy-NLP證書
-
目標、計畫: 打比賽、實戰真實資料
-
經歷、獎項: markdown、Udemy-overleaf證書
-
目標、計畫: PPT
以下為本人自製Manuel，裡面記載了於交大光電BOIL實驗室期間NIRS組所學與所需的程式，包含資料處理；畫圖、機器學習建模分析等等，算是一個對實驗室NIRS組的一個整合。
Manual: https://www.overleaf.com/read/vypqyjjxdnbh
Example:
- 清彥結果: https://github.com/JulianLee310514065/Complete-Project/tree/main/fNIRS%20signal%20analysis%20(Hsieh)
- 宇翰結果: https://github.com/JulianLee310514065/Complete-Project/tree/main/fNIRS%20signal%20analysis%20(Zheng)
- 庭緯結果: https://github.com/JulianLee310514065/Complete-Project/tree/main/fNIRS%20signal%20analysis%20(Chiang)
+ 千錘固然強 +
+ 但比你認真、聰明的人不勝枚舉 +
+ 唯有天衣才能扛過雪境 打出銀色斬擊 +