應孔佑勇老師邀請，下周二（10.27）上午9：00，中國科學院自動化研究所隋婧研究員來bet356手机版唯一官网做學術報告，具體情況如下：
報告題目: 基于人工智能與多模态神經影像的腦疾病生物标記挖掘及其應用
報告時間：2020年10月27日 09:00-10:30
騰訊會議 ID：334 972 347
會議鍊接：https://meeting.tencent.com/s/LUoad7rXOqV6
中文摘要: 多模态神經影像已成為腦科學研究不可或缺的工具。本報告面向腦疾病與人工智能的交叉學科前沿，将介紹兩大類基于數據驅動的多模态影像學标記檢測方法及其臨床應用。1) 系統介紹基于獨立成分分析的有監督多模态MRI融合技術，以及如何基于該技術發現精神分裂症的認知損傷标記、抑郁症的影像遺傳學共變和多種精神疾病與精神分裂症存在共病的潛在神經基礎。2) 如何基于多種模式識别技術構建基于磁共振影像組學的精神疾病輔助診斷系統，為抑郁症的早期診斷和療效預測提供人工智能賦能。
Title：Identifying Multimodal Neuroimaging Biomarkers for Mental Disorders: Methods and Applications
Abstract: It is becoming increasingly clear that complement and exploit the richness of multimodal neuroimaging data is a promising avenue to identify objective biomarkers for mental disorders, which may improve our understanding of the pathophysiology, and thus lead to more appropriate clinical care. This talk will introduce two kinds of data-driven methods on identifying neuroimaging biomarkers: 1) An ICA-based, supervised multimodal data fusion technique. We will give three examples of using multimodal information to a) guide detection of potential cognitive neuromarkers of schizophrenia, b) discover a covarying miR132-brain-cognition pathway in major depression, and c) explore the relevance of transdiagnostic shared networks in multiple disorders to the severity of symptoms and cognitive deficits in schizophrenia. 2) How to build individualized prediction models based on neuroimaging data with multiple pattern recognition techniques, which may provide more clues and capability to facilitate early diagnosis and treatment outcome prediction for mental illnesses.
報告專家：隋婧，國家**，中國科學院自動化研究所模式識别國家重點實驗室研究員、博導、中國科學院大學崗位教授、中國科學院院級優秀人才。中國圖象圖形學會石青雲女青年科學家獎獲得者，IEEE 高級會員。2007年在北京理工大學獲得博士學位，2007-2013年在美國The Mind Research Network工作, 2013年回國加入中科院自動化研究所。目前在本領域知名期刊或國際會議上共發表論文200餘篇，其中在Nature Communications, Biological Psychiatry, JAMA Psychiatry, Brain等權威期刊發表SCI論文102篇。2020年起受邀擔任期刊Hum Brain Mapp副主編(Associate Editor)。