题名 基于机器学习的脑影像基因组学分析方法综述
1
作者
汪美玲 刘青山 张道强
机构
南京 邮电大学 计算机学院南京航空航天大学 人工智能学院南京航空航天大学脑机智能技术教育部重点实验室
出处
《数据采集与处理》
北大核心
2025年第4期869-886,共18页
基金
国家自然科学基金(62136004,62106104,62276130) 国家重点研发计划(2024YFC3308402) +2 种基金 南京邮电大学引进人才自然科学研究启动基金(NY223170) 南京邮电大学校级自然科学基金(NY224115) 中央高校基本科研业务费项目(NJ2024029)。
文摘
脑影像基因组学是一个新兴的数据科学领域。在该领域中通过对脑影像数据与基因组数据(通常还结合其他生物标志物、临床数据及环境数据)进行综合分析,可以深入探究大脑的表型、遗传及分子特征,以及这些特征对正常和异常脑功能及行为的影响。鉴于机器学习在生物医学领域的作用日益重要,且脑影像基因组学相关文献迅速增长,本文对脑影像基因组学中机器学习方法进行了最新且全面的综述。本文首先回顾了脑影像基因组学的相关背景和基础工作;然后展示了基于多变量机器学习的脑影像基因组学关联研究的主要思想和建模,并提出了联合关联分析和结果预测的方法;最后对今后的工作进行了展望。
关键词
机器学习 脑影像基因组学 关联分析 智能诊断 脑疾病
Keywords
machine learning brain imaging-genomics association analysis intelligent diagnosis brain disease
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 基于多视图自编码器的多被试者脑影像功能校准
2
作者
黄硕 孙亮 汪美玲 张道强
机构
南京航空航天大学脑机智能技术教育部重点实验室 南京航空航天大学 计算机科学与技术 学院
出处
《计算机科学》
CSCD
北大核心
2024年第3期141-146,共6页
基金
国家自然科学基金(62136004,61732006,62006115,62106104) 国家重点研发计划(2018YFC2001600,2018YFC2001602) +1 种基金 中国博士后科学基金(2022T150320) 中国人工智能协会(CAAI)-华为MindSpore开放基金。
文摘
功能磁共振成像(functional Magnetic Resonance Imaging,fMRI)研究面临的主要挑战之一是不同被试者fMRI数据的异质性。一方面,多被试数据分析对于确定所生成结果跨被试的通用性和有效性至关重要。另一方面,分析多被试者fMRI数据需要在不同被试者的神经活动之间进行准确的解剖和功能校准,以提升最终结果的性能。然而,现有大多数功能校准研究都采用浅层模型来处理多被试者间的复杂关系,这严重束缚了多被试信息的建模能力。为此,提出了一种基于多视图自编码器的功能校准(Multi-view Auto-encoder Functional Alignment,MAFA)方法。具体地,该方法通过重构不同被试者的响应空间来学习节点嵌入,捕获不同被试者之间共享的特征表示,从而创建一个公共的响应空间。此外,通过引入自训练聚类目标,利用高置信度节点作为软标签来监督图聚类过程。在4个数据集上的实验结果表明,相比其他多被试者脑影像功能校准方法,所提方法在解码精度方面取得了最佳效果。
关键词
功能磁共振成像 功能校准 多视图表示学习 多被试分析 脑解码
Keywords
Functional magnetic resonance imaging Functional alignment Multi-view representation learning Multi-subject analysis Brain decoding
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于深度学习与大语言模型的序列推荐研究进展
被引量：3
3
作者
徐凤如 李博涵 胥帅
机构
南京航空航天大学 计算机科学与技术 学院/人工智能学院南京航空航天大学脑机智能技术教育部重点实验室 智能决策与数字化运营工业和信息化部重点 实验室
出处
《计算机科学与探索》
北大核心
2025年第2期344-366,共23页
基金
“十四五”民用航天技术预先研究项目(D020101) 国家自然科学基金(62172351,62302213) +1 种基金 中央高校基本科研业务费专项资金(NJ2023027) 江苏省自然科学基金(BK20210280)。
文摘
推荐系统旨在解决传统信息检索系统中信息过载的问题,并且致力于向用户推荐个性化感兴趣的内容。人与系统交互的行为具有一定的顺序性,在提供推荐时需要将其纳入考虑,这就是序列推荐系统。序列推荐系统通过分析用户行为序列,捕捉用户偏好的动态变化,为电子商务、社交媒体和在线视频等多个领域提供精准的个性化推荐服务。全面阐述了序列推荐系统的当前研究进展,并探讨了其在个性化推荐领域的重要性与应用潜力。定义了序列推荐的研究问题,明确了推荐序列的核心目标和挑战。详细分类并总结了序列推荐的主要技术,包括:基于马尔可夫链的传统方法,该方法在建模用户行为序列时依赖于状态转移概率;深度学习驱动的方法,利用神经网络模型来捕捉长期依赖关系与复杂模式;混合模型方法,结合多种算法来增强推荐系统的准确性和鲁棒性;以及新兴的基于大语言模型的方法,这些方法通过引入预训练的大语言模型来提升对用户行为和推荐内容的理解能力。展望了未来的研究方向,强调了上下文感知、多模态融合、因果推断、垂直领域特定大语言模型以及缓解幻觉问题等研究点的重要性。
关键词
推荐系统 序列推荐 大语言模型
Keywords
recommendation system sequence recommendation large language model
分类号
TP31
[自动化与计算机技术—计算机软件与理论]
题名 医疗大模型发展现状与展望
4
作者
钱波 李富江 郑常乐 张道强
机构
南京航空航天大学 人工智能学院南京航空航天大学脑机智能技术教育部重点实验室
出处
《数据采集与处理》
北大核心
2025年第3期562-584,共23页
基金
国家自然科学基金(62136004) 江苏省重点研发计划(BE2022842)。
文摘
医疗大模型是大规模预训练模型技术在医疗领域的重要应用成果,已成为智能辅助医疗的重要研究方向。通过在海量医学数据上进行预训练,这类模型展现出跨任务迁移、多模态理解和复杂推理等关键能力,突破了传统神经网络在医学应用中的多项限制。借助这些能力,医疗大模型正在重塑辅助诊断、病例报告生成和医学影像分析等核心任务的实现路径,对实现医疗“通用智能”具有深远意义。基于此,本文对医疗大模型的发展现状与未来趋势进行综述。首先,回顾了医疗人工智能模型在人工智能快速演进背景下的发展历程;其次,重点介绍了大模型在病理学、眼科和脑疾病等医学子领域的研究进展;最后探讨了当前医疗大模型面临的挑战,并展望其未来的发展方向。
关键词
医疗大模型 人工智能 预训练模型 辅助医疗
Keywords
medical foundation model artificial intelligence pre-trained model auxiliary medical care
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 基于卷积神经网络和领域泛化的跨操作员认知负荷识别
5
作者
周月莹 公沛良 王澎湃 温旭云 张道强
机构
南京航空航天大学 计算机科学与技术 学院南京航空航天大学 模式分析与机器智能工信部重点 实验室 南京航空航天大学脑机智能技术教育部重点实验室
出处
《电子与信息学报》
EI
CSCD
北大核心
2023年第8期2796-2805,共10页
基金
国家自然科学基金(62136004,61876082,61732006) 国家重点研发计划(2018YFC2001600,2018YFC2001602) 中央高校基本科研业务费专项资金(NP2022451)。
文摘
基于脑电信号(EEG)的操作员认知负荷识别(CWR)在人机交互系统和被动式脑机接口中有重要价值,然而EEG的非稳态性和被试差异性极大阻碍了跨操作员CWR这一现实场景的快速应用。该文针对跨操作员CWR精度低等问题,提出一种基于卷积神经网络(CNN)和领域泛化(DG)的联合共享特征优化方法(CNN_DG)。该方法通过使用已有操作员(源域)的数据提高未知操作员(目标域)的CWR性能,其主要包括3个模块:深度特征提取器、标签分类器和领域泛化器。深度特征提取器学习可迁移的源域之间的共享知识表征;标签分类器进一步学习深层表征并预测负荷级别;领域泛化器通过与特征提取器进行对抗训练来减少源域间的数据分布差异,从而保证学习特征的共享性。该文在多属性任务组(MATB II)模拟飞行任务竞赛数据集1和2上进行两个三分类的跨操作员CWR实验,并采用留一被试交叉验证策略验证模型识别性能。实验结果表明所提CNN_DG方法显著优于比较方法,验证了其在跨操作员CWR领域的有效性和泛化性。
关键词
人机交互 认知负荷 跨操作员 卷积神经网络 领域泛化
Keywords
Human-robot interaction Cognitive workload Cross-operator Convolutional Neural Network(CNN) Domain Generalization(DG)
分类号
TN911.7
[电子电信—通信与信息系统]
TP391
[自动化与计算机技术—计算机应用技术]
