田丽霞
博士 、教授
博士 、教授
| 办公电话: | 电子邮件: lxtian@bjtu.edu.cn |
| 通讯地址:北京交通大学九教北509 | 邮编: |
研究兴趣:主要关注如何利用机器学习方法,结合图像处理技术,从海量医学图像数据中获取有效信息
研究案例1. 基于脑网络特征,采用弹性网方法对个体年龄进行回归预测(发表在NeuroImage, 1区)
研究案例2. 采用聚类方法,对脑动态功能网络进行状态划分,进而分析脑网络动态特性与脑老化的关系(发表在NeuroImage, 1区)
研究案例3. 引入孪生网络,结合节点卷积技术,解决基于脑功能网络进行个体化认知参数解码所面临的训练样本量不足的问题(硕士生一作,发表在IEEE Journal of Biomedical and Health Informatics,1区)
研究案例4. 提出脑区-状态卷积技术、随机状态采样数据增强技术,将掩码自编码器应用于自监督脑功能表征学习,进而实现有效的脑疾病分类(博士生一作,发表在IEEE Transactions on Neural Networks and Learning Systems,1区)
研究案例5. 提出一种纯Transformer架构,获取脑图像数据中的时间、空间、样本间依赖关系,进而实现个体认知参数预测(硕士生一作,发表在IEEE Journal of Biomedical and Health Informatics,1区)
研究案例6. 搭建CNN+Diffusion双分支框架,实现半监督医学图像分割,并引入对抗学习机制进一步提升扩散子网络的分割性能 (博士生一作,发表在Neural Networks,2区)
目前具体开展2个方面的研究工作:
1. 脑功能信号解码: 主要关注如何基于 fMRI、EEG 等高维脑信号,结合先验嵌入、表征学习、跨模态对齐等策略,实现多模态感知信息(图像、视频、文字、音频)的精准解析(检索、描述与重构),重点解决高噪声信号的解码鲁棒性、连续视频流的动态解码以及疾病状态下的特异性脑解码,以推动高性能、高泛化性的实用化脑机接口发展。
2. 多模态医疗数据挖掘: 主要关注如何有效融合医学影像与临床文本等多源异构数据,结合弱监督学习、小样本学习、大模型迁移等策略,构建高效的多模态学习模型,解决脊椎等复杂解剖结构的智能手术规划、预后预测等关键临床问题,提升复杂临床场景下的医疗决策智能化水平。
【在读学生】
【近年毕业学生】
本科生课程:《C语言程序设计》(64学时)、《程序设计分组训练》(32学时)
研究生课程:《机器学习》(48学时)