研究
研究问题
我们研究的问题是:模型在更换采集对象、采集设备或采集时段之后为什么失效,以及如何避免失效。真实观测数据普遍存在三类缺陷:数据缺失、通道错位和分布不一致。手工预处理的参数只适用于调参时所用的那批数据,所以我们不靠手工预处理弥补这些缺陷,而是把它们的处理设计进模型本身,使模型表示输入的空间——即隐空间——不随采集条件变化。
采集过程不可控,传感器损坏、遮挡和断连造成数据缺失。
系统结构高度动态,各模态观测的部位在空间上对不齐。
不同对象、不同时段的数据统计性质不同。
当前方向:多模态约束的鲁棒脑电特征提取——训练时用钙成像、皮层脑电等微观神经记录约束脑电的隐空间,使脑机接口跨个体、跨时段保持可靠,而推理时只需脑电。
1 · 隐空间为什么不鲁棒
以第一作者在 Nature Communications(2021)发表的读片研究,用生成对抗网络只改动钼靶影像中的病灶区域。合成影像使诊断模型对 69.1% 原本判断正确的病例给出错误诊断,5 位乳腺影像科医生的识别率为 29%–71%。部分合成病灶长在本不该有乳腺组织的位置,模型却照样给出与真实影像相当的判断,说明其隐空间并不编码解剖结构。该工作曾在 RSNA 2019 作口头报告,后续方向获国家自然科学基金面上项目资助。
2 · 在同一批数据内部提取鲁棒隐空间
3 · 跨数据来源与时段保持稳定
多中心研究(eClinicalMedicine,2025,共同通讯作者;硕士生金辰为并列第一作者)用化疗前与化疗早期两次磁共振影像早期预测乳腺癌新辅助化疗疗效:孪生网络提取两个时间点的特征,Transformer 建模二者的时空交互。研究纳入 5 家中心 1044 例患者,3 个外部验证队列 AUC 为 0.892–0.923;在两个独立公开队列中,模型判定为疗效良好的病例表现出免疫相关基因上调。
当前 · 用跨尺度约束提取鲁棒脑电特征
其他研究线
振动转声音式地震动传感器
地面振动带动质量块(即电池)压迫密闭腔内的膜片产生声压,由 MEMS 麦克风测量。重量为动圈式检波器的一半,70 Hz 处灵敏度为其 58 倍,功耗不超过 726 µW(IEEE 工业电子汇刊,2017)。
超密集微声阵列测向
10×10 阵列、阵元间距 5 mm,测量波长为阵列尺寸十倍以上的低频声源方向,含噪仿真中平均测向误差 2.797°(Meas. Sci. Technol.,2025,博士生张坤坤)。
隐空间中的风力机叶型设计
把叶型截面编码为图像,由遗传算法结合计算流体力学寻优,自动生成主叶片旁两个可产生推力的小岛,两个叶尖速比下效率分别提高 13.77% 和 21.11%(Soft Computing,2018;Neurocomputing,2022)。
多模态生物特征识别终端
与中国科学院上海微系统所合作研制的手持终端,集成指纹、人脸、虹膜、步态、声纹五种识别;2025 年起开发其云服务软件。


