近期，信息與軟件工程學(xué)院醫(yī)藥知識(shí)工程與智能軟件實(shí)驗(yàn)室劉勇國(guó)教授領(lǐng)銜的團(tuán)隊(duì)在國(guó)際頂級(jí)圖像處理期刊《IEEE Transactions on Image Processing》發(fā)布了關(guān)于阿爾茨海默病輔助診斷的新研究成果——“Shared Manifold Regularized Joint Feature Selection for Joint Classification and Regression in Alzheimer‘s Disease Diagnosis”。該文由學(xué)院博士生陳智擔(dān)任第一作者，劉勇國(guó)教授親任通訊作者。

研究團(tuán)隊(duì)精選了大腦影像數(shù)據(jù)，構(gòu)建出智能輔助診斷模型，旨在為阿爾茨海默病的早期診斷及精準(zhǔn)干預(yù)提供有力支持。

其中，疾病階段識(shí)別和認(rèn)知功能預(yù)測(cè)是兩大關(guān)鍵環(huán)節(jié)。他們創(chuàng)新地提出了一種基于共享流形正則的聯(lián)合特征選擇模型，利用疾病階段和認(rèn)知功能之間的關(guān)聯(lián)性，成功識(shí)別出阿爾茨海默病相關(guān)的腦影像特征。

在疾病階段識(shí)別的過程中，他們巧妙地運(yùn)用了線性判別分析和子空間稀疏正則化方法，有效識(shí)別出疾病階段相關(guān)的腦影像特征。同時(shí)，模型還引入了局部保留的類內(nèi)散度矩陣以及自適應(yīng)學(xué)習(xí)樣本間的局部關(guān)系。

在認(rèn)知功能預(yù)測(cè)方面，他們根據(jù)認(rèn)知分?jǐn)?shù)間的相關(guān)性構(gòu)建了潛在認(rèn)知分?jǐn)?shù)空間，以此為目標(biāo)訓(xùn)練稀疏回歸模型，成功識(shí)別出認(rèn)知功能相關(guān)的腦影像特征，并設(shè)計(jì)了全局一致性和局部一致性正則項(xiàng)來指導(dǎo)潛在認(rèn)知分?jǐn)?shù)空間的學(xué)習(xí)。

此外，考慮到具有相似認(rèn)知功能的患者往往處于同一疾病階段，因此模型為不同任務(wù)學(xué)習(xí)共享圖結(jié)構(gòu)，充分利用疾病階段和認(rèn)知功能間的相關(guān)性，從而提高了特征選擇的效率。通過對(duì)阿爾茨海默病腦影像的模擬實(shí)驗(yàn)，驗(yàn)證了所提模型的有效性。

劉勇國(guó)教授領(lǐng)導(dǎo)的醫(yī)藥知識(shí)工程與智能軟件實(shí)驗(yàn)室，致力于數(shù)字醫(yī)學(xué)、計(jì)算健康、人工智能、大數(shù)據(jù)等醫(yī)藥健康與信息科學(xué)交叉領(lǐng)域的前沿理論研究和關(guān)鍵技術(shù)研發(fā)。

在臨床診療輔助推薦、方劑藥物設(shè)計(jì)研發(fā)、藥用資源發(fā)掘整理、預(yù)防照護(hù)智能監(jiān)控、養(yǎng)生康復(fù)精準(zhǔn)決策等方面已取得多項(xiàng)科研成果。

承擔(dān)了包括國(guó)家重點(diǎn)研發(fā)計(jì)劃、國(guó)家科技重大專項(xiàng)、國(guó)家科技基礎(chǔ)資源調(diào)查專項(xiàng)、國(guó)家863計(jì)劃、國(guó)家自然科學(xué)基金、四川省科技重大項(xiàng)目在內(nèi)的多項(xiàng)科研課題。

至今已在Nature Communications、IEEE TPAMI、JAMA Network Open、IEEE TIP、MIA、IEEE TFS、IEEE TC、IEEE TKDE、IEEE/ACM TASLP、IEEE ICDE、ACM MM等國(guó)際權(quán)威學(xué)術(shù)期刊和會(huì)議上發(fā)表學(xué)術(shù)論文近300篇，獲得授權(quán)發(fā)明專利70余項(xiàng)，計(jì)算機(jī)軟件著作權(quán)50余項(xiàng)。