学位论文简介
在开放医疗环境下，数据流的动态演变与多源异构构成了迈向通用医学人工智能的关键挑战，亟需具有持续学习能力的动态自适应机器学习算法。因此，为了从这些动态变化且多源异构的医疗数据中学习可推广的模型与表示，本文基于各种先进的学习范式，研究开放环境下动态自适应机器学习医疗预测算法。主要工作内容如下：
针对开放医疗环境下数据分布动态变化，提出医学知识引导的图网络稳定学习。真实环境收集的数据往往是不确定的，当新的测试数据与训练集数据分布存在偏差时，模型可能出现诊断误差并无法有效迁移。本文通过引入图神经网络和基于对比学习的对抗性数据增强策略，提升模型在跨区域、跨人群心电数据上的诊断鲁棒性。
针对开放医疗环境下样本特征持续演变，提出跨特征空间表征的持续学习。真实医疗环境中，数据持续不断地从医院产生并记录到患者电子健康记录中，而不同医院不同患者所记录的临床变量各有差异。本文研究利用Transformer实现样本特征空间无关的编码，并采用双重对比损失提升模型鲁棒性，实现模型在开放未知环境下的持续学习能力。
针对开放医疗环境下模型任务目标多样，提出知识复用的多模态异步多任务学习。现有大多数医学诊断模型只专注于某个特定临床任务，而临床专家通常会根据患者的病情发展同时关注患者多个不良风险事件。本文提出了多模态异步多任务学习方法用于同时预测多个患者风险事件。基于编码器-解码器架构对不同模态数据独立编码，以自回归形式预测患者风险事件，有效探索临床任务时间模式的关联。
针对开放医疗环境下可学习类别标签受限，提出大模型知识增强的医疗文本提示学习。现代深度学习算法在临床应用中通常依赖大量高质量数据。开放医疗环境中高质量标签往往是稀缺的，这成为开发人工智能应用的瓶颈。本研究基于医疗视觉-语言预训练模型，从放射学报告中提取临床概念，并引入大模型能力注入临床概念视觉特征知识，提高模型在下游X光胸片任务中的泛化性能。
主要学术成果
Xiongjun Zhao, Zhengyu Liu, Fen Liu, Guanting Li, Yutao Dou, Shaoliang Peng. Report-concept textual-prompt learning for enhancing x-ray diagnosis[C]//Proceedings of the 32nd ACM International Conference on Multimedia. 2024: 2184-2193. (第一作者，CCF A类会议)
Xiongjun Zhao, Zhengyu Liu, Lin Han, Shaoliang Peng. Ecgnn: Enhancing abnormal recognition in 12-lead ecg with graph neural network[C]//2022 IEEE International Conference on Bioinformatics and Biomedicine (BIBM). IEEE, 2022: 1411-1416. (第一作者，CCF B类会议)
Xiongjun Zhao, Xiang Wang, Fenglei Yu, Jiandong Shang, Shaoliang Peng. Unimed: Multimodal multitask learning for medical predictions[C]//2022 IEEE International Conference on Bioinformatics and Biomedicine (BIBM). IEEE, 2022: 1399-1404. (第一作者，CCF B类会议)
Xiongjun Zhao, Linzhuang Zou, Zhengyu Liu, Shaoliang Peng. ECG-I2S: a method for extracting heartbeat cycle and numerical signals from ECG captured images[J]. Frontiers of Computer Science, 2025, 19(8): 198915. (第一作者，JCR 1区，SCI 2区，CCF B类期刊)
彭绍亮，赵雄君，王小奇; 一种基于深度学习的多方位X光胸片肺炎诊断方法。授权，中国，ZL202010803336.7
