由中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所副研究員叢楊設(shè)計(jì)的基于群稀疏約束的深度特征選擇模型，以Deep Sparse Feature Selection for Computer Aided Endoscopy Diagnosis 為題，近期在Elsevier期刊Pattern Recognition上發(fā)表(DOI:10.1016/j.patcog.2014.09.010)，這也標(biāo)志著沈陽(yáng)自動(dòng)化所在醫(yī)學(xué)影像分析研究方面取得新進(jìn)展。

　　面向?qū)崟r(shí)醫(yī)學(xué)影像的計(jì)算機(jī)輔助病灶診斷問(wèn)題，所提取的圖像特征往往維度較高、各特征維度間存在冗余和非相關(guān)信息，會(huì)對(duì)識(shí)別結(jié)果造成干擾，降低診斷的準(zhǔn)確性。針對(duì)這一問(wèn)題，沈陽(yáng)自動(dòng)化所副研究員叢楊設(shè)計(jì)了基于群稀疏約束的深度特征選擇模型。與傳統(tǒng)特征選擇模型不同的是，該模型在選取有效特征子集的同時(shí)，還為每一維特征賦予相應(yīng)的權(quán)重，提高了算法的可擴(kuò)展性，該方法不僅有效剔除了干擾特征對(duì)于診斷結(jié)果的影響，還提高了算法的執(zhí)行效率。

　　該成果也可用于數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)領(lǐng)域，解決因大數(shù)據(jù)所產(chǎn)生的高維特征冗余和干擾問(wèn)題。研究獲得國(guó)家科技支撐計(jì)劃和國(guó)家自然科學(xué)基金的支持。