脑机混合智能计算

近年以深度学习为代表的人工智能技术迅速发展，为自动目标检测与识别提供了有力的方法支撑，在许多应用领域人工智能系统的性能已经超过人类。尽管人工智能技术的发展深受人脑或其他生物智能系统神经计算研究的启发，但是目前人工智能系统在物理世界直观理解、高效学习、迁移学习等方面的能力与人类智能相比仍有巨大差距，在许多复杂开放环境下的实际应用中，基于视觉识别专家的人工判读仍是重要的图像情报分析和决策制定手段。视觉专家的显著特征是反应准确率更高、行为鲁棒性更强、抗干扰能力更强，但是人的行为表现受到疲劳、伤病、工作环境等诸多因素影响，难以满足大数据量、长时间、高强度、强实时性的应用需求，导致大量的图像数据得不到有效的分析和利用。

脑机混合智能技术为提高智能系统效能提供了另外一种技术途径。通过脑机接口技术，构建“脑在环路”的信息处理系统，实现生物智能体和人工智能体之间的信息感知、交互与整合，融合各自所长，混合智能技术有望形成一种更高性能的智能形态。但是，受人的能力限制，“脑在环路”计算模型难以应用于大数据量、长时间、高强度的遥感图像分析。本研究针对高分辨遥感图像分析对智能化、自动化目标检测与识别技术的迫切需求，以多光谱和合成孔径雷达（SAR）图像中地面时敏目标检测与识别为应用，构建“脑在环路”建模、“脑不在环路，脑响应监督”应用的新型混合智能信息计算模式，研究基于神经影像技术的判读专家大脑响应信息检测、特征鉴别、大脑响应与图像特征之间的跨模态建模方法，通过将大脑响应信息与现有基于深度学习的目标检测框架相结合，探索一种新型的类脑智能计算技术途径。

本研究受到国家自然基金企业创新发展联合基金重点项目、教育部联合基金重点项目资助。

医学影像处理与分析

基于超声图像的肌肉萎缩定量评估

中长期空间飞行、恶性疾病晚期以及自然衰老状态下，人体肌肉组织会发生严重的肌肉萎缩和功能退化。目前对抗去负荷情况下肌肉萎缩的主要方法不适合于空间科学的飞速发展和日常生活的迫切需求。超声是一种有效的去负荷情况下肌肉萎缩的调控方法，基于超声图像的肌肉萎缩评估对于超声对抗肌肉萎缩的机理研究、过程监控以及建立肌肉萎缩无创评估新方法均具有重要意义。

本研究利用大鼠尾吊和猴子卧床肌肉萎缩模型，建立基于超声图像的在体肌肉萎缩定量评估方法，为超声对抗肌肉萎缩的机理研究和仪器研发提供技术方法支撑。本研究受到国家自然基金重大科研仪器研制项目（子课题）项目的资助。

(1) 2010年度教育部高等学校科学研究优秀成果奖科技进步二等奖，第一完成人

(2) 2012年度国家技术发明二等奖，第三完成人

(3) 2014年度陕西省高等学校科学技术奖二等奖，第七完成人

(4) 2016年度中国产学研合作创新成果一等奖，第四完成人

(5) 2019年度陕西省高等学校科学技术奖一等奖，第二完成人

(6) 2019年度陕西省自然科学奖二等奖，第二完成人