2022年3月13日（星期日）上午九点，受永利yl23411智能数据分析团队邀请，北卡罗来纳大学教堂山分校房钰棋博士后在线上做了关于Unsupervised Cross-Domain Functional MRI Adaptation for Major Depressive Disorder Diagnosis 的学术报告，除智能数据分析团队的全部教师和研究生参加以外，本次会议也邀请了其他高校的老师和学生参加，在会议中师生们进行了精彩的发言讨论。

　　在本次会议中，房钰棋博士后首先介绍了她目前相关的工作内容，会议的主要内容介绍了静息态功能磁共振成像(rs-fMRI)数据的广泛应用，如脑功能障碍的自动化诊断，如重度抑郁症(MDD)，可以用来协助干预。其中多部位fMRI数据被越来越多地用于增加样本量和提高MDD调查的统计能力。然而，现有的研究通常存在显著的站点间异质性，例如扫描仪和/或扫描协议的差异。为了解决这个问题，房钰棋博士引入了两个用于自动MDD识别的无监督跨域fMRI适应模型。

　　第一个模型是为单源单目标领域适应而设计的。该模型通过一个注意力引导的图形卷积模块来表征标记源和未标记目标样本的时空fMRI模式，并利用一个最大平均差异约束模块来实现两个域间的无监督跨站点特征对齐。

　　第二个模型处理单源多目标领域适应。该模型同时利用来自单个标记源域和多个未标记目标域的数据，以缓解跨域的数据分布差异。该方法由一个领域通用的学生模型和两个通过深度协作学习联合训练的领域特定的专家模型组成。最终得到一个具有较强泛化能力的单一鲁棒模型，该模型可以很好地适应于多个目标域。

　　最后总结了综合实验结果，在基于fMRI的跨域MDD识别中，提出的模型优于其他几种最新的方法。

　　整个报告过程气氛热烈，会后老师和同学们与房博士进行一系列专业知识的讨论，房博士也积极为大家答疑解惑，大家受益匪浅。

　　房钰棋博士是北卡罗来纳大学教堂山分校的博士后研究员。她毕业于香港中文大学，获电子工程博士学位。主要研究方向为深度学习及其在医学图像分析中的应用。目前，她正在开发用于脑障碍分析的多领域适应方法。

(审核 张丽梅）