研究内容：对可穿戴设备收集的日常生活数据（Free-living data)进行数据分析，借助原研究方案中的先进多模态医学影像技术,应用统计模型和方法,凝练数据中得到的病人特性与信息,进行病人的筛查诊断及分类。

研究目标：（1）解决收集数据的随意性，非齐性，复杂性，海量性造成的数据处理过程 中出现的困难数学统计问题，进而建立大规模病例数据库，构建大数据统计预测和监控系统，大规模推广应用于医院与社康中心。（2）与先进的多模态医学影像技术相结合，开发智能辅助系统帮助自动识别，探寻与疾病有关的潜在因子及发病机理以提高疾病早期筛查率、正确诊断率，帮助政府、社区和医院等提出防控和预防对策建议。

研究方案： 首先应用滤波器，小波变换等方法对原始信号数据进行预处理和特征提取。为了在众多有共线性的特征中找到合适的代表性数据相关特征，该方法使用函数型数据主成分分析和因子分析等方式进行特征选择及降维，利用被选特征建立可解释的分类模型做相关疾病的早期筛查与分类；最后，本项目紧密贴合实际应用，聚焦大数据的挖掘和智能化平台的打造，算法与构建的模型将会集成于传感器硬件之中，便于实时收集数据提供反馈信息，立足于“算法+ 芯片+ 数据库”战略，根据患者使用需求，将整个创新型智能可穿戴设备产品并与深度低剂量 CT 技术、动态磁共振快速成像技术结合应用于智慧医疗，精准医疗，智能医疗等相关产业中。我们也将与多家医院，社康中心等展开一系列产品落地合作。

核心团队：南方科技大学史建清教授课题组和邵启满教授课题组。该项目主要负责人史建清教授近年来在可穿戴设备数据分析与函数型数据分析等方向进行了深入的方法论和理论研究，并且成功解决许多重大实际问题，在国内外都有重要影响，在包括统计和医学顶级期刊上发表论文多篇。