2024年1月至10月。大数据系统计算技术国家工程实验室健康大数据中心已有多篇论文被BIBM、T-ASE、CVPR、AAAI-24等顶级会议或期刊录用。

部分成果展示：

01

论文题目：Mind Marginal Non-crack Regions: Clustering-inspired Representation Learning for Crack Segmentation

论文作者：陈壮壮,赖桌楠, 陈杰, 李坚强.

会议名称：Proceedings of the Conference on Computer Vision and Pattern Recognition (CVPR)

论文归类：CCF-A/CSRankings

论文概述：由于当前裂缝数据集中存在的对比度低和纹理不均匀等问题，导致了边缘区域的模糊性问题。为了解决这个问题，我们提出了一种新的基于聚类的表示学习框架，其中包含一种用于自动裂纹分割的两阶段策略。在第一阶段，提出了一种预处理方法来定位边缘非裂纹区域。然后，我们提出了一种模糊感知分割损失，该损失使裂纹分割模型能够通过学习分割方差来捕获上述区域中的模糊性，从而使我们能够进一步定位模糊区域。在第二阶段，为了学习上述区域的判别特征，我们提出了一种聚类启发损失，将这些区域的监督学习改为无监督的聚类方式。

02

论文题目：ERL-TD: Evolutionary Reinforcement Learning Enhanced with Truncated Variance and Distillation Mutation

论文作者：林秋镇，陈扬帆，马里佳，陈伟能，李坚强

会议名称：Proceedings of the Conference on Computer Vision and Pattern Recognition (CVPR)

论文归类：CCF-A

论文概述：针对进化强化算法中的价值高估和过度探索问题，本论文分别提出了截断方差贝尔曼算子和蒸馏变异方法。截断方差贝尔曼算子利用多个神经网络估计值的均值和方差去减缓Q值的高估。而蒸馏变异的方法则是利用RL策略和EA策略中的精英策略去教导现有种群中的策略，以及利用最后一次蒸馏的梯度值去构建高斯变异的方差，从而约束变异的策略在现有的最优策略附近。

03

论文题目：Secure Distributed Sparse Gaussian Process Models Using Multi-Key Homomorphic Encryption

论文作者：Adil Nawaz, Guopeng Chen, Muhammad Umair Raza, Zahid Iqbal, Jianqiang Li, Victor C.M. Leung, Jie Chen.

会议名称：Proceedings of the thirty-eighth AAAI Conference on Artificial Intelligence (AAAI-24)

论文归类：CCF-A/CSRankings

论文概述：分布式稀疏高斯过程 (dGP) 模型能够利用多个设备的数据，以高效且可扩展的方式实现准确的预测性能。然而，模型的分布式计算可能会使私有数据暴露于公共操作的风险之中。在本文中，我们提出了一种使用多密钥同态加密的安全 dGP 回归模型解决方案。实验结果表明，在稍微牺牲一些时间复杂度的情况下，我们实现了一个安全的 dGP 模型，而不影响预测性能，与传统的非安全 dGP 模型相比无差异。此外，我们还展示了使用 15 个 Nvidia Jetson Nano 开发套件模块来模拟实际场景的模型实践应用。因此，安全 dGP 模型解决了 dGP 数据安全问题，并为多个设备提供了一个安全可靠的解决方案，使其能够在分布式环境中使用私有数据进行模型计算，同时兼具 dGP 的速度、可扩展性和鲁棒性。

04

论文题目：Practical Privacy-Preserving MLaaS: When Compressive Sensing Meets Generative Networks

论文作者：Jia Wang，Wuqiang Su，Chengwen Luo，Zushu Huang，Jie Chen，Jianqiang Li

会议名称：Proceedings of the thirty-eighth AAAI Conference on Artificial Intelligence (AAAI-24)

论文归类：CCF-A/CSRankings

论文概述：我们提出了一种轻量级的、基于压缩感知（CS）和生成网络的隐私保护MLaaS框架。生成器能够建模数据分布并捕获对分类有用的判别信息，因此利用生成网络和在压缩测量值训练的分类器可以完成一般推理任务。为了提高MLaaS框架的性能，服务器的监督生成模型通过客户提供的先验知识进行训练和优化。为了防止服务提供商恢复原始数据以及识别查询结果，设计并引入了在压缩数据域中采用的噪声添加机制。实证结果证实了该框架在准确性和资源消耗方面相对于最先进的隐私保护MLaaS框架的性能优越性。

05

论文题目：A portable and efficient dementia screening tool using eye tracking machine learning and virtual reality

论文作者：Ying Xu, Chi Zhang, Baobao Pan, Qing Yuan & Xu Zhang.

期刊名称：npj | digital medicine

论文归类：中科院1区

论文概述：痴呆症是一个重大的全球健康挑战，在临床前期进行早期筛查对于有效管理至关重要。阿尔茨海默病是最常见的痴呆症形式，其传统诊断生物标志物受成本和侵入性限制。轻度认知障碍（MCI）是痴呆症的前兆，目前通过蒙特利尔认知评估（MoCA）等神经心理学测试来识别，但这些测试不适合大规模筛查。眼动追踪技术能够捕捉和量化与认知行为相关的眼球运动，已成为一种有前途的认知评估工具。眼球运动的细微变化可以作为 MCI 的早期指标。然而，眼动追踪数据的解释具有挑战性。这项研究引入了一种痴呆症筛查工具，即 VR 眼动认知评估（VECA），它使用眼动追踪技术、机器学习和虚拟现实（VR），提供了一种非侵入性、高效的可大规模部署的替代方案。VECA 对来自深圳宝安慢性病医院的 201 名参与者进行了测试，利用通过 VR 头盔捕获的眼动追踪数据来预测 MoCA 分数，并对不同教育背景下的认知障碍进行分类。所采用的支持向量回归模型与 MoCA 分数具有高度相关性（0.9），显著优于基线模型。此外，它确定了识别认知障碍的最佳临界值，具有显著的敏感性（88.5%）和特异性（83%）。这项研究强调了 VECA 作为一种便携式、高效的早期痴呆症筛查工具的潜力，突出了将眼动追踪技术、机器学习和 VR 整合到认知健康评估中的好处。

06

论文题目：Cholecystokinin BReceptor Agonists AlleviatesAnterograde Amnesia in CCkdeficient and Aged Alzheimer'sDisease Mice

论文作者：Nan Zhang, Yixuan Sui, Peter Jendrichovsky, Hemin Feng, Heng Shi, Xu Zhang, Shenghui Xu,Wenjian Sun, Huatang Zhang, Xi Chen, Micky D. Tortorella*† and Jufang He*†

期刊名称：Alzheimer’sResearch & Therapy

论文归类：中科院1区

论文概述：背景：顺行性遗忘作为阿尔茨海默病（AD）的一个主要症状，是指患者无法形成新的记忆。内嗅皮层在新记忆形成中的关键作用已得到充分证实，据报道，神经肽胆囊收缩素（CCK）从内嗅皮层释放，以促进新皮质相关记忆和长时程增强。尽管一些研究表明内嗅皮层和 CCK 与 AD 有关，但相关研究较少。目前尚不清楚 CCK 是否是 AD 良好的生物标志物，或者进一步来说是否是治疗 AD 的理想候选药物。

方法：在两种小鼠模型（3xTg - AD 和胆囊收缩素基因敲除（CCK⁻/⁻）小鼠）中检测胆囊收缩素（CCK）和胆囊收缩素 - B 受体（CCKBR）的 mRNA 表达。通过莫里斯水迷宫、新物体识别测试研究动物的认知能力，并通过体外电生理记录研究神经可塑性。对动物进行腹腔给药以研究对认知缺陷的挽救作用，或直接将药物应用于脑片以探究其对诱导长时程增强的影响。

结果：老年 3xTg - AD 小鼠内嗅皮层中 CCK mRNA 表达降低，新皮质和海马中的 CCKBR 表达降低，其认知能力和神经可塑性受损情况与 CCK⁻/⁻小鼠相当。重要的是，在使用 CCKBR 激动剂治疗后，这些动物的表现有所改善，长时程增强作用增强。

结论：在此我们提供了更多证据来支持 CCK 在学习和记忆中的作用及其治疗 AD 的潜力。我们详细阐述了一种有前景的新药 HT - 267 对老年 3xTg - AD 小鼠的挽救作用。尽管 CCK 在 AD 中的生理病因仍需进一步研究，但这项研究为 AD 和痴呆症的潜在药物候选物提供了思路。

07

论文题目：Community screening for dementia among older adults in China a machine learning-based strategy.

论文作者：Zhang Yan, Xu Jian, Zhang Chi, Zhang Xu, Yuan Xueli, Ni Wenqing, Zhang Hongmin, Yijin Zheng and Zhao Zhiguang*

期刊名称：BMC Public Health

论文归类：中科院2区

论文概述：背景痴呆症是全球65岁以上人群残疾的主要原因。然而，在其最早的症状阶段诊断痴呆症仍然具有挑战性。本研究结合AD8量表中具有综合健康相关特征的特定问题，并使用机器学习（ML）构建认知障碍（CI）的诊断模型。方法该研究基于深圳健康老龄化研究（SHARE）项目，我们招募了823名65岁及以上的参与者，他们完成了全面的健康评估和认知功能评估。排列重要性用于选择特征。应用五个使用BalanceCascade的ML模型预测CI：支持向量机（SVM）、多层感知器（MLP）、AdaBoost、梯度提升决策树（GBDT）和逻辑回归（LR）。使用AD8分数≥2定义CI作为基线。采用SHapley Additive ExPlanations（SHAP）值对ML模型结果进行解释。结果选择AD8第1和第6项、血小板、腰围、体重指数、癌胚抗原、年龄、血尿酸、白细胞、心电图异常、心率、性别作为预测特征。与基线（AUC=0.65）相比，MLP表现出最高的性能（AUC：0.83±0.04），其次是AdaBoost（AUC：0.80±0.04）、SVM（AUC：0.78±0.04）、GBDT（0.76±0.04）。此外，4个ML模型的准确性、敏感性和特异性均高于基线。基于MLP的SHAP汇总图显示，对CI阳性预测的模型决策影响最大的特征是女性，其次是年龄较大和腰围较低。结论应用ML的CI诊断模型，尤其是MLP，比传统的AD8量表有效得多，得分≥2分。我们的发现可能为社区痴呆筛查提供新的思路，并在最大限度地减少医疗和卫生资源的同时推广这种筛查。

08

论文题目：Tree Regularization for Visual Explanations of Cancer Cell Classification

论文作者：Muhammad Umair Raza,王利, Adil Nawaz, Victor C.M. Leung, 李坚强，陈杰

会议名称：IEEE International Conference on Bioinformatics and Biomedicine (BIBM)

论文归类：CCF-B

论文概述：可解释性问题仍然是深度神经网络在医疗领域应用的一个显著障碍。尽管树正则化方法旨在使深度神经网络的决策与单一的轴对齐决策树保持一致，但仅依赖一棵树来处理所有输入通常会导致次优的性能和互操作性。为了解决这一限制，我们提出了一种增强的树正则化方法，将后验视觉解释模型（如Grad-CAM）集成进来。该方法通过Grad-CAM在输入空间中识别的显著区域来引导深度模型，使其能够被决策树很好地近似。我们在两个癌细胞数据集上对该框架的有效性进行了严格验证：CNMC数据集（集中于急性淋巴细胞白血病细胞）和ISBI2016数据集（包括良性和恶性皮肤病变）。结果表明，该方法能够在不牺牲准确性的情况下提供更简洁、更具解释性的解释，从而提升深度学习模型在关键医疗应用中的可解释性。

09

论文题目：IBATree: A Novel Method for Interpretable Cancer Cell Diagnosis Using Information Bottleneck Attribution

论文作者：Muhammad Umair Raza, 王利, Adil Nawaz, Faisal Saeed, Victor C.M. Leung, 李坚强，陈杰

会议名称：IEEE International Conference on Bioinformatics and Biomedicine (BIBM)

论文归类：CCF-B

论文概述：深度神经网络（DNNs）在基于RGB的病理输入的分类和回归任务中展示了卓越的性能。为了在临床实践中建立信任，网络的预测机制必须是可解释的。解释的一个主要方法是特征归因。特征归因方法识别输入特征对输出预测的重要性。基于信息瓶颈归因（IBA）方法，我们识别出与每次预测的网络输出具有高度互信息的RGB输入区域。IBA识别出具有足够预测信息的输入区域。在本文中，我们提出了“IBATree”，一种结合IBA和决策树的创新方法，以增强DNN在癌细胞分类中的可解释性和准确性。我们的方法利用信息瓶颈框架向特征图中注入噪声，然后隔离出对模型预测最具信息性的特征，同时保持高分类性能。我们在三个数据集上评估了该方法——CNMC、ISBI2016和BreaKHis，展示了具有竞争力的准确性，并生成了清晰的解释性结果。这使得IBATree特别适合于临床应用，在这些应用中，理解预测背后的依据至关重要。我们的结果表明，IBATree提供了可靠的预测和对特征重要性的宝贵见解，为其在各种生物医学领域的应用铺平了道路。

10

论文题目：Emergency UAV Landing on Unknown Field Using Depth-Enhanced Graph Structur

论文作者：陈杰，杜威铭，林俊谋，Uddin Md. Borhan, 林燕宁, 杜炳清，李醒，李坚强

会议名称：IEEE Transactions on Automation Science and Engineering

论文归类：CCF-B

论文概述：随着无人机（UAV）在多种应用中的广泛使用，其安全性已成为一个关键问题。无人机在执行任务时会面临各种意外情况；在这些情况下，无人机需要自主定位合适的着陆地点、规划飞行路线并在非结构化环境中避开障碍物。由于计算能力和传感器的限制，实现这一目标面临挑战。本研究的目的是调查单目紧急自主着陆算法。本研究特别集中于提取深度和视觉信息。设计了一种拓扑信息提取器，将图像转换为图形并评估地形的连通性。此外，设计了一种深度信息提取器，用于计算地面的坡度和粗糙度。设计了一种三维拓扑优化器，基于深度信息优化图形，并使用启发式策略评估着陆适宜性。为了决策行动，提出了一种基于深度增强图结构（DEGS）的三维拓扑决策方法。为了证明DEGS的有效性，本研究基于实际场景构建了一个模拟场景。实验结果表明，DEGS在行动预测准确性和着陆成功率方面优于其对手。实践者注意——本研究使用DEGS提出了一种在未知区域进行紧急无人机着陆的新方法。该方法基于以下基本概念：首先，无人机生成未知区域的DEGS。其次，无人机评估着陆风险并指导无人机规划安全的着陆轨迹。最后，无人机实施着陆轨迹，并使用单目航拍视觉安全着陆于未知区域。提出了一种帧序列和自我监督网络（FSSN），这是一种基于多尺度视觉的单目深度估计（MDE）网络，用于估计实时无人机飞行阶段的深度图。该方法已通过模拟和真实数据集的单目连续帧模拟图像进行评估，证明在未知区域安全着陆无人机的有效性。提出了一种人机协作学习方法，用于动态地形分类更新DEGS，使该过程在未知区域变得可行。在着陆成功率和行动预测准确性方面，结果表明，所提出的方法能够安全高效地在未知地形上着陆无人机，特别适用于无人机对场地没有先前知识的紧急情况。

11

论文题目：结构MRI联合基于VR眼动追踪技术的计算机化认知评估在阿尔茨海默病早期诊断中的应用价值

论文作者：韦卓男，樊响，余可妍，陈乐乐，尹晨旺，陈慧，戚玉龙，陈旭辉，胡俊，张绪，成官迅 *

期刊名称：磁共振成像

论文归类：中文核心期刊

论文概述：探讨结构 MRI 联合基于 VR 眼动追踪技术的计算机化认知评估在阿尔茨海默病 (Alzheimer's disease, AD) 早期诊断中的临床应用价值。材料与方法 77 例早期 AD 患者和 58 例认知未受损者 (cognitive unimpaired, CU) 均接受传统神经心理学量表评估 (包括简易精神状态量表 (Mini - Mental State Examination, MMSE)、蒙特利尔认知评估量表 (Montreal Cognitive Assessment, MoCA) 等)、一项时长为 5 分钟的 VR 眼动认知评估和头颅三维 T1 加权成像 (three dimensions T1 - weighted imaging, 3D - T1WI) 磁共振结构像检查，并利用自动结构分析工具获取海马体积 (hippocampal volume, HV) 数值。分析 VR 眼动认知评估的总分与传统认知评估之间的相关性，构建受试者工作特征 (receiver operating characteristic, ROC) 曲线，分析单个指标 (HV) 及联合指标 (HV 联合 VR 眼动认知评估的总分) 对 AD 的诊断效能。结果 (1) HV 诊断早期 AD 的 AUC 为 0.629 (95% CI：0.542~0.711)，HV 联合 VR 眼动认知评估的总分诊断早期 AD 的 AUC 为 0.825 (95% CI：0.751~0.885)，DeLong 检验结果显示两者差异有统计学意义 (P<0.001)；(2) 早期 AD 组的 HV (Z = −2.565，P = 0.010) 较 CU 组低；(3) VR 眼动认知评估的总分与 MMSE 评分、MoCA 评分呈正相关 (r = 0.531、0.627，P 均 < 0.001)。结论联合基于 VR 眼动追踪技术的计算机化认知评估能提高 HV 对早期 AD 的诊断价值。