学位论文简介
医疗大数据具有来源多元、模态丰富和异构性强等特点，可为精准医疗和智能决策提供基础。但受数据标准、语义表达、组织结构和分布差异等影响，其融合利用仍面临挑战。同时，医疗问题具有高维、非线性和动态耦合等特征，传统方法难以满足复杂临床需求。本文围绕多源异构数据整合、跨中心分布差异、多维表征不足及模型功能性受限等问题，形成覆盖数据集成、跨域建模、状态表征与决策支持的系统性研究体系。
针对多源异构医疗数据整合中数据分散、结构复杂和提取效率不足等问题，提出多模态医疗数据对齐与并行优化方法。一方面，构建 Quick-MIMIC 数据自动对齐框架，将多源异构医疗数据统一转换为标准化时间序列格式，提升数据提取的通用性与便捷性；另一方面，提出 ParaMET 并行处理优化方法，依托“天河新一代”超级计算机平台，通过多节点协同处理缓解大规模数据 I/O 瓶颈，显著提升提取效率。
针对多中心医疗数据分布差异导致模型迁移性能下降的问题，提出多因素关联结构领域自适应框架 DAMAS。该方法协同建模特征分布对齐与标签空间适配，利用稀疏关联机制挖掘多变量数据源间的结构一致性，并通过注意力驱动的变量标签映射策略刻画不同时序变量的判别贡献，从而缓解跨中心分布偏移和标签偏移影响，提升模型迁移能力、稳健性与泛化性能。
针对患者状态多维表征不足的问题，提出基于选择性状态空间模型的时空表征学习方法，构建 TSS-SSM 框架以实现脑电信号的多维建模。该方法通过自适应时间切片、多路图卷积网络及时序状态模块，分别刻画不同长度序列、脑区拓扑关联和历史状态演化，并利用选择性门控机制强化关键脑活动模式表达，提升判别表征的有效性与鲁棒性。
针对单一模型难以兼顾多重任务、复杂临床流程处理能力不足的问题，提出多智能体协同决策生成方法 PharCare。该方法通过构建多智能体协作机制，发挥大型语言模型的知识表达与推理能力，缓解单模型在多视角分析、复杂任务处理和流程化决策中的局限，形成更贴近真实临床需求的智能决策流程。
主要学术成果
[1] Dou, Y., Liu, Y., Zou, H., Zeng, W., Xu, K., & Peng, S. (2025). A survey on electronic health record driven multimodal representation learning. Information Fusion, 103810. (第一作者，中科院一区，IF：15.5)
[2] Dou, Y., Li, W., Zheng, Y., Yao, X., Liu, H., Zomaya, A. Y., & Peng, S. (2024). Quick-MIMIC: A Multimodal Data Extraction Pipeline for MIMIC with Parallelization. Big Data Mining and Analytics, 7(4), 1333-1346. (第一作者，中科院一区，IF：7.7)
[3] Dou, Y., Zheng, Y., Liu, D., Li, K., Xiao, S., & Peng, S. (2023, December). ParaMET: A Parallel Framework for Efficient Medical Data Extraction on Tianhe-NG Supercomputer. In 2023 IEEE International Conference on Bioinformatics and Biomedicine (BIBM) (pp. 488-493). IEEE. (第一作者，CCF-B类 会议)
[4] Dou, Y., Liu, Z., Zhao, X., Xie, K., Chen, G., & Peng, S. (2023, December). An attention-based label mapping and multi-factor domain adaptation approach for acs prediction. In 2023 IEEE International Conference on Bioinformatics and Biomedicine (BIBM) (pp. 1074-1079). IEEE. (第一作者，CCF-B类 会议)
[5] Dou, Y., Xing, T., Zhao, X., Chen, X., Zhou, J., & Peng, S. (2026). Spatio-temporal representation learning with selective state space models for EEG-based depression detection. Biomedical Signal Processing and Control, 112, 108707. (第一作者，中科院二区，IF：4.9)
[6] Dou, Y., Deng, Z., Xing, T., Xiao, J., & Peng, S. (2024, December). Autonomous Pharmaceutical Care with Large Language Models. In 2024 IEEE International Conference on Bioinformatics and Biomedicine (BIBM) (pp. 1927-1932). IEEE. (第一作者，CCF-B类 会议)
[7] 发明专利：一种用于医疗特征生成模型的半监督条件迁移学习方法，ZL202310352952.9，彭绍亮、窦钰涛、夏飞、刘达政、潘良睿，授权
[8] 软件著作权：基于人工智能的人脸表情识别系统，2025SR0548377，彭绍亮、刘凡、窦钰涛，授权
