本网讯 近日，我校物理与电子科学学院王凤琴老师在人工智能与管理学领域取得重要进展，研究成果发表在Information Processing and Management上。Information Processing and Management是信息系统、图书馆情报、计算机科学领域一区TOP期刊，也是CCF-B期刊，2024年影响因子为7.4。该期刊致力于发表计算机与信息系统交叉领域的前沿原创研究，关注理论、方法或在一系列领域的应用研究，这些领域包括但不限于商业、市场营销、广告、社会计算与信息技术。该研究成果得到了湖北省自然科学基金和福建省自然科学基金的资助，并获得黄石市计算神经科学与类脑智能重点实验室科研平台支持。
本研究提出了一种名为F-GAN-NTD 的创新方法，此方法整合了生成对抗网络（GANs）与非负张量分解（NTD）理论，旨在强化对抑郁症相关功能磁共振成像（fMRI）数据的分析。其运用 F-GAN-NTD 从多维 fMRI 张量数据里提取非线性非负因子，借助 Deep-NTD 技术生成可捕捉潜在结构与动态特征的因子矩阵，再通过多视图神经网络架构同步处理所有模态的因子矩阵，以此区分抑郁症患者和健康对照组。该方法在闭眼抑郁症 fMRI（CEDF）以及脑科学战略研究计划（SRPBS）数据集上进行了测试，结果表明 F-GAN-NTD 方法在 fMRI 数据分类上有显著提升，表现优于传统方法，并且能够有效恢复不完整的 fMRI 张量数据，还揭示了异常脑网络连接，这为抑郁症的病理生理机制研究提供了有益见解。综上所述，F-GAN-NTD 不仅增强了从 fMRI 数据中提取有意义特征的能力，提升了分类性能，还加深了对抑郁症相关脑异常的理解，其跨模态的整合更是促进了对抑郁症更为全面的分析。
研究成果将于2025年3月发表在Information Processing and Management上，我校物理与电子科学学院王凤琴老师为论文第一作者，湖北师范大学为第一单位。
论文信息：王凤琴，柯亨进，汤云波. Fusion of generative adversarial networks and non-negative tensor decomposition for depression fMRI data analysis. Information Processing and Management, vol. 62, no. 2, March 2025, 1-26.
论文链接：https://doi.org/10.1016/j.ipm.2024.103961.
王凤琴，计算机、信息与信号处理双硕士，讲师，近三年围绕多维病理性脑神经数据深度特征提取与判别中降维表达、状态识别与模型解释三大挑战：（1）建立多维功能核磁共振非线性因子化分析方法, 实现fMRI神经影像潜在特征的准确获取；（2）提出基于深度神经网络的在大脑功能障碍状态识别方法，实现癫痫、抑郁症和帕金森的高效监控、高精度识别与分类；（3）构建基于深度符号回归的脑动力学的自动发现方法，实现深度神经网络与病理特征的可解释性。相关研究成果发表SCI论文5篇，CSCD和中文核心6篇。授权的发明专利1项，软件著作权2项。