1.  计算机视觉算法与人机交互系统开发

       情感计算任务是人机交互应用中的关键模块。然而，基于人脸表情的情绪辨识任务中往往面临着数据集标注不统一、背景干扰大等特点，导致算法在实际落地应用中提取的面部特征区分性差、鲁棒性低。针对此类问题，课题组聚焦前沿计算机视觉算法，采用少样本深度学习及知识蒸馏技术，同时结合关键点检测手段对面部区域进行细粒度特征提取，有效保证了在无约束条件下的识别稳定性，提升小样本下情感分类精度。此外，课题组从多模态角度深入挖掘不同情感状态下体外表征与脑电等生理信号的潜在关联，开发计算机视觉及人机交互等方面的新技术，主要研究内容包括基于运动想象的机器人控制、脑机接口在航天飞行员的疲劳驾驶、飞行器多目标识别、视频动作识别与神经功能康复中的应用。

 主要合作单位：北京航天自动控制研究所，北京航天测控中心，北京天坛医院等

代表论文：IEEE Transactions on Affective Computing, 2022; The 61st Annual Meeting of the Association for Computational Linguistics (ACL), 2023, (CCF-A)

2. 复杂脑网络建模及脑疾病诊断、医学影像数据分析与处理

       由于人脑的个体差异巨大，现有的功能影像分析尚不能准确、可靠地反映单个患者的脑功能网络，使得功能影像的临床应用受到限制。课题组基于个体患者大脑功能影像，深入研究个体化脑功能连接网络分析方案，开发面向脑血管病、脑肿瘤及癫痫等重大脑疾病的个体化脑功能网络图谱，实现语言、运动及认知等重要功能区的准确定位。该研究不仅为理解大脑功能的个体差异提供理论基础，而且为脑血管病、脑肿瘤及癫痫等疾病的病灶切除术前评估提供技术指导。

 主要合作单位：哈佛大学，斯坦福大学，宣武医院等

代表论文：Annals of Neurology, 2022；IEEE Transactions on Medical Imaging, 2022

3. 图像处理与分割、医疗领域的人工智能应用

针对医学影像分割存在的数据样本量小和细微复杂组织分割不清等难题，课题组基于深度学习算法，在眼底血管分割、脊柱多组织分割、肺细小结节及支气管分割和口腔细胞瘤分割等领域开展研究。使用小样本迁移学习策略，缓解小样本带来的泛化性能差问题；设计边缘细微结构特征增强编码器，提高模型对细微复杂结构特征感知能力。同时课题组与多家三甲医院合作，开发眼底血管分割临床应用云平台，实现了数据本地上传、远程云端分割、临床在线辅助诊断，具有较好临床应用前景。

主要合作单位：帝国理工学院，香港大学，北京大学口腔医院，北京同仁医院等

代表论文：IEEE Transactions on Medical Imaging, 2022；IEEE Transactions on Cybernetics, 2022

4.    基于数字孪生的脑机智能算法研究及类脑计算应用

        针对临床药物难治性神经退行性疾病发病类型多样、机制不清、DBS干预调控靶点不明等难题，课题组基于临床真实患者颅内深部核团sEEG神经信号，开发个体化深度学习与数字孪生技术，分析临床患者发作前期深部脑刺激调控的核心中枢调控靶点，为神经退行性疾病如癫痫发作前期的神经调控靶点正确选择与及时干预治疗提供临床指导。此外，课题组探索脑区域间神经交互作用及连接异常改变，为神经退行性脑疾病及肾病等临床应用诊断提供辅助诊断工具，为具有挑战性重大疾病的早期发现、早期干预及预后判断等提供定量的理论分析和新的技术指导。

主要合作单位：北京积水潭医院、北京大学第三医院、北京宣武医院等

     代表论文： IEEE Transactions on Cybernetics, 2021；IEEE Transactions on Neural Networks and Learning Systems, 2018