Sajid Farooq博士介绍了机器学习相关知识以及光谱模式，如红外光谱，提供了一种非侵入式、快速和精确的方法来识别不同的疾病，如糖尿病、皮肤癌和乳腺癌。而机器学习与光谱分析两者结合能取得更好的效果。

Sajid Farooq博士提出的方法在光谱分析方面有高灵敏度和特异性，从而能更好识别不同疾病状态的细微分子变化。在癌症的检测中，FTIR高光谱成像用于区分几种亚型的癌组织，达到了较高的分类精度。对于皮肤癌，FTIR分析与判别分析相结合，有效地区分了正常和恶性病变。在糖尿病的情况下，尿液样本的光谱分析还可用来反映疾病的代谢变化。此外，机器学习算法和光谱法之间的协同作用不仅可以早期诊断、预后，还提高医学诊断和治疗的发展。

报告人简介：Sajid Farooq，浙江师范大学校聘教授，巴西伯南布哥联邦大学物理专业博士（该校物理专业巴西排名第一），2021年被聘为巴西伯南布哥联邦大学助理研究员，2023年在巴西圣保罗核能与能源研究所开展博士后工作。致力于研究生物医学疾病诊治、机器学习、光学传感及纳米光学应用等领域，并在国际权威期刊论文发表论文25篇、书籍章节4篇、国际会议论文12篇。