amjs澳金沙门线路首页曹丹丹 报道
6月13日下午2点30分，佛罗里达州立大学统计系助理教授刘熔洁博士应邀为amjs澳金沙门线路首页全体研究生及导师开展主题为“Bayesian Hierarchical Model for Patient-Specific Abnormal Region Detection”的学术讲座。讲座在位育楼417进行，由amjs澳金沙门线路首页赵彦勇副教授主持。
刘熔洁博士，现任佛罗里达州立大学统计系助理教授，2016年在美国德州大学圣安东尼奥分校获得电子与计算机工程博士学位，2020年在美国莱斯大学获得统计学博士学位。研究方向包括:贝叶斯统计，计算机视觉，机器/深度学习，强化学习等。在高水平国际统计神经科学期刊以及图像模式识别顶会上(Neurocomputing, Neurolmage, Frontiers in Neuroscience, IEEE Transactions on Neural Networks and Learning Systems, CVPR)发表学术论文40多篇。
在报告中，刘熔洁博士首先介绍此次研究的背景。在医学中，痴呆患者的病因非常复杂，环境、生理等因素都有可能导致患病，这将给社会带来沉重的负担，而阿尔兹海默病是导致痴呆最普遍的原因。本次研究的目的是希望找到阿尔兹海默病发病机理，从而可以进行早期干预，降低发病的可能性，甚至可以延缓病人的寿命。随后，刘熔洁博士从大脑图像数据出发，进一步分析。现在已有许多类型的研究来检测异常的大脑区域，这些区域可以促进提供靶向药物并改善治疗途径，然而这些研究仅针对大脑海马体的异常区域。刘博士提到由于年龄和性别等因素引起的异质性，异常区域可能因人而异，此外，受试者体内的脑细胞之间具有固有的空间依赖性，患病细胞可能会在未知程度上影响其邻近细胞。未测量的混杂因素和测量误差可以部分或完全掩盖异常区域。这些点使得这些病变区域很难被发现。因此，刘熔洁博士提出了一种患者特异性异常区域检测算法（PARD），通过求解贝叶斯潜在空间变量选择问题来识别异质性疾病区域。使用贝叶斯分层建模，我们将受试者之间的异质性解释为大规模变异性，并使用尖峰和平板先验将受试者内固有的空间依赖性纳入潜在空间。最后，刘熔洁博士进行的仿真研究表明，所提算法优于流行的无监督学习方法。
互动环节中，周兴才教授、赵彦勇副教授以及研究生们与刘熔洁博士就该报告中贝叶斯参数估计以及模型设定等问题展开讨论，并期望在以后能有更加深入的学习与交流。通过本次讲座，与会师生均表示受益良多。
