刘勇国教授团队在IEEE Transactions on Image Processing发表新研究成果

近期，信息与软件工程学院医药知识工程与智能软件实验室刘勇国教授领衔的团队在国际顶级图像处理期刊《IEEE Transactions on Image Processing》发布了关于阿尔茨海默病辅助诊断的新研究成果——“Shared Manifold Regularized Joint Feature Selection for Joint Classification and Regression in Alzheimer‘s Disease Diagnosis”。该文由学院博士生陈智担任第一作者，刘勇国教授亲任通讯作者。

研究团队精选了大脑影像数据，构建出智能辅助诊断模型，旨在为阿尔茨海默病的早期诊断及精准干预提供有力支持。

其中，疾病阶段识别和认知功能预测是两大关键环节。他们创新地提出了一种基于共享流形正则的联合特征选择模型，利用疾病阶段和认知功能之间的关联性，成功识别出阿尔茨海默病相关的脑影像特征。

在疾病阶段识别的过程中，他们巧妙地运用了线性判别分析和子空间稀疏正则化方法，有效识别出疾病阶段相关的脑影像特征。同时，模型还引入了局部保留的类内散度矩阵以及自适应学习样本间的局部关系。

在认知功能预测方面，他们根据认知分数间的相关性构建了潜在认知分数空间，以此为目标训练稀疏回归模型，成功识别出认知功能相关的脑影像特征，并设计了全局一致性和局部一致性正则项来指导潜在认知分数空间的学习。

此外，考虑到具有相似认知功能的患者往往处于同一疾病阶段，因此模型为不同任务学习共享图结构，充分利用疾病阶段和认知功能间的相关性，从而提高了特征选择的效率。通过对阿尔茨海默病脑影像的模拟实验，验证了所提模型的有效性。

刘勇国教授领导的医药知识工程与智能软件实验室，致力于数字医学、计算健康、人工智能、大数据等医药健康与信息科学交叉领域的前沿理论研究和关键技术研发。

在临床诊疗辅助推荐、方剂药物设计研发、药用资源发掘整理、预防照护智能监控、养生康复精准决策等方面已取得多项科研成果。

承担了包括国家重点研发计划、国家科技重大专项、国家科技基础资源调查专项、国家863计划、国家自然科学基金、四川省科技重大项目在内的多项科研课题。

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等国际权威学术期刊和会议上发表学术论文近300篇，获得授权发明专利70余项，计算机软件著作权50余项。