近日，我院新能源科学与工程系张懿璞副教授领衔的研究团队，在国际著名顶级期刊《IEEE Transactions on Medical Imaging》（IEEE TMI）上发表研究论文《Multi-modal imaging genetics data fusion via a hypergraph-based manifold regularization: application to schizophrenia study》。张懿璞副教授为第一作者兼通讯作者，银河集团198net为第一作者单位。《IEEE TMI》杂志是全球医学图像研究领域的顶级期刊之一，中科院一区Top期刊，最新影响因子为11.048。

多模态数据融合技术结合了来自不同来源的信息，特别对小样本学习问题，具有数据分析的优势，特别与单模态方法相比，可以提高预测准确性。然而，许多现有的数据融合方法仅从同构网络中提取特征，而忽略了多种模态数据之间的异构信息。为此，该团队提出了一种基于超图的多模态数据融合算法（HMF）。具体讲，首先通过生成一个基于超图的相似度矩阵来度量受试者之间的高阶关系，然后根据受试者在不同模态间和同一模态内的关系设计流形正则项，并将 HMF算法应用于异构影像数据的融合。

论文信息：Y. Zhang, H. Zhang, L. Xiao, Y. Bai, V. D. Calhoun and Y. -P. Wang, "Multi-Modal Imaging Genetics Data Fusion via a Hypergraph-Based Manifold Regularization: Application to Schizophrenia Study," in IEEE Transactions on Medical Imaging, vol. 41, no. 9, pp. 2263-2272, Sept. 2022, doi: 10.1109/TMI.2022.3161828.

论文链接：https://ieeexplore.ieee.org/document/9740146

供稿：李国兴 审稿：茹锋