国际合作

       为进一步推动学院国际化教育进程，搭建跨学科交流平台，西北工业大学数学与统计学院于7月8日至11日成功举办《脑电时空数据的非线性动力学》国际课程。本次课程特邀英国伦敦大学学院Gerold Baier教授担任主讲人，吸引了校内本科生、研究生及相关领域研究者参与。课程系统性地融合了数学建模、脑电数据分析与机器学习，为师生提供了深入的学习与研讨机会。

       Gerold Baier教授长期深耕癫痫机理研究与生物定量分析教学领域，主讲生物研究定量技能、自然科学统计学、数据医学研讨会等核心课程，并致力于临床医生编码员的在线培训工作。其跨学科的研究背景与教学经验，为本次课程的开展提供了坚实支撑。

       课程开篇，Baier教授以临床应用为切入点，系统阐释了复杂动态系统与立体脑电图（sEEG）的基础理论，特别强调sEEG技术在神经外科精准诊疗中的核心价值。通过单变量一阶微分方程构建神经集群数学模型，他生动演示了非线性函数对系统解的影响机制，借助数值模拟生成的时间序列图与分岔图，直观展现了非线性条件下系统多稳态的存在特性。这一环节中，Baier教授结合Python代码实操，完整演示了sEEG数据的导入与预处理流程，从带通滤波到时间序列图、热图、箱线图等可视化呈现，再到傅里叶谱分析，让抽象的数学理论转化为可操作的分析工具。

       在癫痫数据分析模块，Baier教授聚焦单通道sEEG数据的单变量分析方法，深入解析癫痫活动在频率、振幅及波形上的特征性规律。他引入皮尔逊相关系数与Jensen-Shannon距离等量化指标，指导学生评估不同脑电信号段的相似性，并结合实际病例数据，揭示大脑活动的非线性与非平稳性特征，为理解癫痫发作机制提供了全新视角。

       课程后半程，Baier教授将教学重心转向人工智能在脑电分析中的应用。在监督学习部分，他以癫痫发作预测为案例，详解随机森林等算法在EEG数据分类中的应用逻辑，从数据准备、特征选择到模型训练的全流程演示，清晰展现了机器学习在医疗诊断中的应用潜力。针对无监督学习，他重点讲解聚类分析的评估方法，提出结合外部标准与特征重要性分析优化模型性能的解决方案，为学生打开了跨学科研究的思路。

       四天的课程中，Baier教授以幽默生动的授课风格打破了跨语言教学的壁垒。他坚持理论讲解与代码实操相结合，通过实时调试Python程序让抽象概念具象化；针对学生提出的技术疑问与学术思考，始终给予耐心细致的解答，课堂互动氛围活跃。参与学生表示，通过课程不仅系统掌握了脑电数据的分析方法，更深化了对Python工具在医学数据建模中应用的理解，为后续跨学科研究奠定了基础。

       此次暑期国际学堂的成功举办，是西北工业大学数学与统计学院推进国际化教育的重要实践，既拓宽了学生的学术视野，也为学院在生物数学、医学数据分析等交叉领域的发展注入新动能。学院将持续搭建国际学术交流平台，推动更多跨学科前沿课程落地，助力人才培养质量提升。

图文：张红慧 佀友友

审核：张莹