近日，我校信息工程学院夏立坤副教授团队连续在人工智能和医工交叉领域顶级期刊《IEEE神经网络与学习系统会刊》（IEEE Transactions on Neural Networks and Learning Systems）和《医学影像分析》（Medical Image Analysis）发表论文，题目分别为《一种将多分支长短期记忆和分层时间注意力相结合的心理压力等级检测模型》（MuLHiTA: A Novel Multiclass Classification Framework with Multi-branch LSTM and Hierarchical Temporal Attention for Early Detection of Mental Stress）和《基于边缘增强网络的三维血管结构分割模型研究》（3D Vessel-like Structure Segmentation in Medical Images by Edge-Reinforced Network）。两项工作都是以机器学习技术为基础，分别对生物医学数据进行智能化建模分析，从而辅助医生提高诊断准确度和速度，改善临床治疗效果。两项工作的第一单位均为首都师范大学。

第一篇文章利用并行双向长短期记忆网络和分层注意机制的组合，以减少脑电信号作为信息载体被破坏所造成的信息损失。由此产生的模型能够更加充分地提取时间特征，进而提升精神压力等级诊断的效率。其中，层次化的时间注意机制被用来为不同压力等级的特征分配权重，以增强重要特征显著性，进而提高模型收敛速度并降低过拟合问题。除此之外，本文设计一种关键电极位置的选择方法，以降低计算成本。此项工作由我校信息工程学院与心理学院丁锦红教授团队合作完成，信息工程学院硕士研究生冯源和郭子恒，本科生徐也涵和骆镜宇参与相关研究工作。

第二篇文章，利用边缘增强神经网路，在不同的三维医学成像模式中提升脑血管结构分割性能。此外，本文提出反向边缘注意模块、特征选择模块和边缘增强优化损失函数，以增加给定三维体积边缘上的体素权重，进而极大提升空间边缘信息识别与有效保留的概率。此项工作由我校信息工程学院与中国科学院宁波材料技术与工程研究所赵一天研究员团队合作完成，信息工程学院硕士研究生张浩为共同第一作者。

上述两项研究分别得到国家自然科学基金、北京自然科学基金、首师大交叉科学研究院和北京市成像技术高精尖创新中心的支持。信息工程学院夏立坤副教授及其神经计算与智能感知实验室致力于交叉学科领域的研究。近年来，依托于电子系统可靠性技术北京市重点实验室和北京市成像技术高精尖创新中心，在大脑疾病辅助诊断、虚拟环境下的手术训练系统设计、模拟电路和混合电路中的自动错误检测等方面取得了高水平的系列研究成果，在《IEEE神经网络与学习系统会刊》（IEEE Transactions on Neural Networks and Learning Systems，TNNLS）、《IEEE智能交通系统会刊》（IEEE Transactions on Intelligent Transportation Systems，TITS）、《IEEE集成电路和系统计算机辅助设计会刊》（IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems，TCAD）、《医学影像分析》（Medical Image Analysis，MIA）、《医学图像计算和计算机辅助干预国际会议》（International Conference on Medical Image Computing and Computer Assisted Intervention，MICCAI）、《设计自动化会议》（Design Automation Conference，DAC）等国际期刊、会议发表50篇学术论文，受到了国内外同行广泛关注。

《IEEE神经网络与学习系统会刊》的影响因子为14.255；《医学影像分析》的影响因子为13.828。