Histoires post-universitaires
Kaiqiong Zhao sur la nouvelle modélisation statistique de la neuroimagerie et des données génétiques avec une application à la prédiction du risque d’Alzheimer
Le projet de Kaiqiong explore des méthodes innovantes d’analyse des données biomédicales pour aider à prédire le délai d’apparition de la maladie d’Alzheimer.
Programme : Bourse postdoctorale distinguée de l’INCASS
Région : Nationale
Date : 2021-2022
Domaines d’intervention du projet
Kaiqiong vise à développer des méthodes analytiques innovantes et des inférences statistiques pour l’imagerie médicale quantitative à grande échelle et les données génétiques dans la recherche biomédicale. Son objectif est d’aider à prédire le délai d’apparition de la maladie d’Alzheimer en utilisant l’imagerie multimodalité et les données génétiques.
Cette recherche peut augmenter considérablement la capacité des chercheurs à tirer des conclusions précises et scientifiquement valables sur les mécanismes de la maladie d’Alzheimer. Cela aidera les patients à faire face à la maladie et améliorera la vie de nombreux patients et familles au Canada et ailleurs.
Apprendre à connaître Kaiqiong
Kaiqiong est candidate au doctorat au Département d’épidémiologie, de biostatistique et de santé au travail de l’Université McGill. Sa thèse porte sur le développement de méthodes statistiques pour analyser les données de séquençage du génome entier pour la méthylation de l’ADN. Elle a obtenu un M.Sc. en biologie computationnelle de l’Université du Manitoba et une M.Sc. dans les statistiques de l’Université de Windsor.
En tant que récipiendaire de la bourse postdoctorale distinguée de l’INCASS , Kaiqiong travaillera sous la supervision du professeur Linglong Kong de l’Université de l’Alberta et du professeur Dehan Kong de l’Université de Toronto.
Je suis ravi d’avoir une si excellente opportunité d’étendre et d’approfondir mes capacités scientifiques. J’ai hâte d’acquérir des connaissances plus approfondies dans l’analyse de données fonctionnelles de grande dimension, l’apprentissage clairsemé et les statistiques robustes des deux superviseurs, et d’établir des projets de collaboration avec des chercheurs des deux universités.
À propos des superviseurs
Dr Dehan Kong
Dehan est actuellement professeur adjoint au Département des sciences mathématiques et computationnelles de l’Université de Toronto à Mississauga et au Département des sciences statistiques de l’Université de Toronto. Il est récipiendaire du Prix des suppléments d’accélération de la découverte du Conseil de recherches en sciences naturelles et en génie du Canada (CRSNG).
Actuellement, Dehan est rédacteur en chef adjoint du Canadian Journal of Statistics et réviseur du comité de rédaction du Journal of Machine Learning Research. Son principal domaine de recherche porte sur l’analyse des données de neuroimagerie, l’apprentissage automatique statistique, l’analyse des données fonctionnelles, la génétique statistique et l’inférence causale.
Dr Linglong Kong
Linglong est professeur agrégé au Département des sciences mathématiques et statistiques de l’Université de l’Alberta et titulaire d’une chaire de recherche canadienne en apprentissage statistique. Il a publié plus de 50 manuscrits évalués par des pairs, y compris les meilleures revues AOS, JASA et JRSSB, et les meilleures conférences ICML, ICDM, AAAI et IJCAI.
Actuellement, Linglong est rédacteur en chef adjoint du Journal de l’American Statistical Association, de l’International Journal of Imaging Systems and Technology et du Canadian Journal of Statistics. Il est membre du conseil d’administration de la Société statistique du Canada et de la région de l’ouest de l’Amérique du Nord de l’International Biometric Society. De plus, il est président sortant du programme de la session d’imagerie statistique de l’ASA et président élu du programme de la session de calcul statistique de l’ASA.
Ses intérêts de recherche comprennent l’apprentissage automatique statistique, l’analyse de données de grande dimension, l’analyse de données de neuroimagerie, les statistiques robustes et la régression quantile.
Explorez plus d’histoires
Région nationale
Région nationale
Région nationale
Région nationale
Trouver des programmes connexes
Corrélats génétiques de la maladie d’AlzheimerLa nouvelle modélisation statistique de la neuroimagerie et des données génétiques avec une application à la prédiction du risque d’Alzheimer est un projet de bourse postdoctorale distinguée de l’INCASS. Ce programme de deux ans comprend un projet de recherche substantiel, une expérience interdisciplinaire appliquée et d’enseignement.
Les bourses postdoctorales de l’INCASS sont soutenues par un salaire compétitif. Ils offrent des possibilités de perfectionnement professionnel et préparent les stagiaires postdoctoraux à réussir dans diverses carrières.