2024年07月18日
近期江苏省科学技术厅公布了2024年江苏省科技基础研究计划拟立项名单，西交利物浦大学理学院王水花博士的项目“多模态生物医学数据：利用无标签数据增强生物医学数据可解释性分析”获批面上项目。
在现代生物医学研究领域，医学影像组学与高通量技术的飞速发展推动了生物医疗大数据的产生和扩张。其中，医学影像组学利用先进的影像技术来捕捉疾病的微观特征，例如传统的 X光、CT扫描和MRI影像，以及PET和超声等更为复杂的成像技术。通过这些技术，研究人员能够以前所未有的精度和维度观察和记录生物体的内部结构及其变化，从而产生了海量的医学影像数据。同时，高通量技术，如基因组测序、蛋白质组学和代谢组学等，能够在短时间内自动化地分析成千上万的生物样本，揭示出大量关于基因、蛋白质和其他生物分子的数据。这些技术的应用大大加速了数据的产生速度，增加了数据的多样性和复杂性，为研究人员提供了丰富的资源来探索复杂的生物过程、疾病机制及其潜在的治疗方法。
然而，这些技术的快速发展在极大推动了生物医疗大数据的发展的同时，也增加了数据处理和分析的复杂性。其主要原因在于这些大规模的生物医学数据具有规模大、种类多、来源多、生成速度快、价值巨大但密度低的特点，且包含大量的非结构化数据，多视角数据、以及缺少足够的标签数据。然而，机器学习，特别是监督学习算法，通常依赖于大量的标记数据来训练模型，使其能够准确识别和预测新的数据。然而，在实际应用中，许多医学影像数据和生物分子数据缺乏足够的标签，即缺乏已知输出或分类的数据，其直接限制了人工智能（Artificial intelligence, AI）在生物医学领域的广泛应用。
该项目拟利用扩散模型等方法解决多模态医学数据中模态信息缺失的问题，同时采用信息分解理论完善多模态数据的特征提取过程以更好地发展多模态机器学习方法整合不同来源的生物医学数据，旨在提高人工智能在生物医学领域的学习能力，不仅能够理解复杂的生物医疗系统，并提供可解释的结果，以及提出更精确和个性化的干预建议。
关于王水花博士：
王水花博士于2017年获得南京大学博士学位。她曾于2013年至2018年担任南京师范大学助教，并于2018年至2019年在拉夫堡大学担任研究助理、2019年至2023年在莱斯特大学担任研究助理和讲师。现任西交利物浦大学理学院生物科学系副教授。
她的研究兴趣主要集中在机器学习、深度学习、图像处理、信息融合、数据分析和MRI、CT传感器等领域。她已在这些研究领域的同行评审国际期刊和会议上发表了高质量的论文。迄今为止，她已成功获得多项外部资金支持，并正在组建一只国际化高质量的硕博研究团队。
王水花博士也担任了多个知名期刊和会议的专业审稿人，包括 IEEE Transactions on Neural Networks and Learning Systems、Neurocomputing、Pattern Recognition、Scientific Reports 等。Information Processing and Management、IEEE Journal of Biomedical and Health Informatics、Machine Vision and Applications、IEEE/ACM Transactions on Computational Biology and Bioinformatics and Measurement、Scientific Report的特邀编辑，以及Information fusion、Neural Networks和IEEE Transactions on Circuits and Systems for Video Technology 的AE。
如果您有兴趣加入王博士的研究团队，请通过以下方式与她联系：Shuihua.Wang@xjtlu.edu.cn
素材提供：王水花博士
审稿：John Moraros教授
2024年07月18日