密西根学院独特的学术氛围和先进的科技探索让这里的师生站在科技创新的前沿。学院拥有一支强大的科研团队。他们不断探索，不断开拓，努力创造着引领业界并最终造福人类的科技梦想和创新成果。
为帮助公众揭开科研的神秘面纱，我们将陆续推出JI科研系列报道。让我们借助这些报道，走近密院，进入科技前沿的神秘世界。
李冕（左一）在介绍机器学习在新生儿健康状况预测方面的应用
本期密西根学院教师李冕以“基于产前数据预测新生儿健康状况”为题，为与会师生介绍了如何通过机器学习实现对新生儿健康状况的分析预测。
机器学习（Machine Learning）作为一门综合概率论、统计学、逼近论、凸分析、算法复杂度等理论的多领域交叉学科，是当今最为火热的人工智能领域的基础与核心科学。其旨在通过统计学习大量的经验数据，让计算机程序能提取出模型和趋势以实现智能化预测。
新生儿的体重是反映新生儿健康生存状态的一项紧要指标，过轻或过重的出生体重在幼儿时期内不仅会影响儿童的生长发育，远期还会加重成年后患慢性疾病（高血压、糖尿病、肥胖、心脑血管疾病等）的风险。出生体重与妊娠期母体的各项体质息息相关，因此如何根据妊娠期孕妇体征值预测新生儿体重健康状况，让孕妇提早知晓胎儿情况，及时调整营养，使产妇和胎儿达到最佳的健康状态具有很大的价值和意义。
过去对于胎儿的观察和预测主要基于B超等医学仪器，通过图像上所呈现的新生儿的体积来估算新生儿体重，但是这一方法要求胎龄在32周以后，而且也无法反应母体的影响因素。 基于此，李冕的研究团队希望通过机器学习的方法，基于数十万例全国各地孕妇的300多项产前体检数据，通过数据清洗、特征选择、建模分析与可视化成果展示的全过程，实现对新生儿健康状况的分析预测。现研究已取得阶段性成果，完成了数据清洗与特征分析，并初步实现分类建模达到了整体90%的正确率。
李冕，现任上海密西根学院特别研究员、副教授、博士生导师。1994年考取清华大学自动化系，2001年从清华大学自动化系硕士毕业之后，赴美留学深造。2007年12月以获得最佳博士论文奖的荣誉取得马里兰大学机械工程博士学位。博士毕业后在马里兰大学担任博士后研究员。于2009年9月回到上海，加入上海交通大学密西根学院，2010年7月被上海交通大学机械动力学院双聘为副教授。自2012年3月开始担任上海交通大学密西根学院特别研究员、副教授、博士生导师。在密西根学院，李冕教授的主要研究方向是复杂系统的设计优化方法，具体内容包括：多学科优化、多目标优化、稳健设计与稳定性分析、灵敏度分析与不确定性分析、以及简化模型与近似算法等等。他的多个创新性的科研成果都取得了良好的实际应用成果。目前，其研究内容着重于将先进设计方法、近似模型和优化手段应用到交叉学科研究领域，例如可再生能源系统、电动汽车、车辆能源系统设计优化、复杂的智能信息系统等等。
