走进兰大人的科研世界：代码热起来抑郁症诊断有智招

从尘肺结节到抑郁症诊断

他让冷冰冰的代码、数据“热”起来

从实验室到养老院

他用科研热忱与社会责任诠释青春担当

6篇顶刊论文、2项专利

获得2024年宝钢教育奖学金……

今天，让我们一起走进李同同的科研世界

传统的抑郁症甚至重度抑郁症的诊断方式，主要通过医生对患者的临床问诊或者问卷来评估，这种评估过程往往缺乏客观量化的标准，同时客观环境也极易对患者表现产生影响。神经影像技术为抑郁症的客观量化提供了一种新手段，结合计算机技术与神经影像则有助于医工融合新范式实现其在抑郁症智能诊断领域中的赋能应用，进而推动精准医疗在抑郁症诊断领域的进一步发展。

这是信息科学与工程学院计算机应用技术专业2022级博士生李同同，他所研究的计算机与医学影像结合的最新应用成果，相关研究以第一作者身份在去年3月份被IEEE Transactions on Neural Systems and Rehabilitation Engineering（IF=4.8,JCR 1区）收录。同时，他是2024年度兰州大学宝钢教育奖学金八位获得者之一，也是其中仅有的两名研究生之一。

01.科研路漫，唯有奋楫扬帆

李同同主要研究方向包括计算机视觉与医学图像计算。“医学图像计算”作为计算机与影像医学的交叉领域，其研究不仅需要研究者具有扎实的计算机专业的学科知识，也需要具备临床医生的基本能力。从研究生入学以来，李同同便开始了各种医学理论知识的学习，从骨癌与骨转移、肺结节的研究再到如今的重度抑郁症（MDD）研究。

从每一次拿到医院的影像资料开始，李同同就要从大量的医学图像资料中发现患病者与正常人相比在相关身体部位发生病变的共同规律，然后通过计算机建立智能模型，去实现对于新的医学影像的智能诊断，最终呈现为医生、患者都能看得懂的诊断书。

“相关研究的论文我从2023年就开始着手了，前后修改了很长时间。”李同同坦言，论文修改的过程是需要耗费大量时间精力的。修改过程中，他需要与同课题组的成员不断沟通，请他们提出修改意见。“我的师兄赵子阳博士在此期间帮助了我许多，尽管他的时间也非常紧张，但他一直帮助我梳理论文逻辑、润色语言。”在导师姚志军教授的把关与修改，以及对投稿方向的指导下。李同同在2023年年底发表了他在博士期间的第一篇文章，虽然中间换了3个期刊，李同同仍然觉得这是一次比较顺利的投稿经历。

李同同形容自己与导师是一种亦师亦友的关系。“姚老师对我们的科研都给予很大的支持，他从来不会指定一个方向让我们必须向这个方向去执行，而是结合我们自己的兴趣给予指导。在这种氛围中我们也有充分的空间去探索自己的科研方向。”李同同感恩自己的导师，给自己提供了广阔的平台与充足的机会。

目前，李同同已经以第一作者/共同一作在IEEE T NEUR SYS REH，ISCIENCE,QUANT IMAG MED SURG，PHYS MED BIOL，MED PHY,BSPC等国际一流学术期刊发表文章6篇，参与发表文章19篇，授权国际/国家发明专利2项，授权计算机软件著作权2项；入选中国科协青年托举人才博士生专项计划，主持省级/校级项目4项。

2022年6月，在李同同博士研究生入学之初，他在有关肺结节患者的相关数据中发现一些尘肺等呼吸道疾病的患者会在肺部形成一个小的结节，这让他觉得肺结节的智能诊断具有普遍且迫切的研究与应用价值。

“最开始，我其实不知道如何去运用这些数据，就只能花大量的时间去研究相关文献，分析此前的研究是用哪些方法、从哪些方面来突破这一疾病的诊断。”同时，李同同也对比PET模态、CT模态等一些医学图像数据、临床数据等文本资料，将图像信息和文本信息之间实现对齐和融合，从而发现普遍规律。

“我觉得将不同模态的数据整合到一起从而去做辅助诊断，是一项很有价值的工作。”李同同兴奋地说道。在正式入学之后，李同同重新制定了自己的研究方案，在第一个数据模型实验之后，相对理想的效果也证明了他的研究方案的可行性。

“虽然医学的相关问题我不是专业的，但是在遇到问题时，我一般都会自己先去解决，或者在课题组内部讨论化解。”在不断遇到问题解决问题的过程中，李同同也积累了许多临床医学尤其是医学影像方面的知识。不断“发现、分析和解决问题”，是他认为科研中最大的乐趣。

02.甘坐冷板凳，不断解决问题

对于计算机专业的李同同来说，能写代码、会写代码只是对他最基本的要求。他相信所有的科学研究都必然要经历“甘坐冷板凳，耐得住寂寞”这样一个过程。“如何构建和优化人工智能模型，才能达到好的效果？”这是李同同常常向自己追问的问题。

博士阶段的前两年里，李同同一周7天中至少有6天都在实验室里，从早上8:30到晚上10：30。“我们现在研究的方向在国外和国内来说都相对比较前沿，因此这个过程更加充满着未知与挑战。你无法向任何人求教，这就需要一直在实验室泡着，不断去尝试新的方案，不断提高模型的性能。”

“从2015年至今，计算机专业与行业领域都发生了巨大的变化，我对它的认识也在逐渐加深。”李同同从本科开始计算机领域的学习，到如今已经将近10年。从本科尝试开发网页、APP，到现在选定将计算机与医学影像领域相结合，去解决行业最前沿的问题。

“我逐渐发现通过智能化分析来反馈疾病其实是一件很有用的事。也许一个医生诊断一个患者原本需要一个小时，但通过这样的辅助工具，它不仅能够诊断10个，甚至可能可以诊断100个。这其实就是工具运用技术的力量。”但同时，李同同也认为，计算机也仅仅只能作为辅助人的工具，一种为人类服务、帮助人类实现美好生活的工具，不可能实现对人的取代。“我们现在做的是计算机辅助诊断，在尽量减少诊断误差的同时，帮助医生提高诊断效果。”李同同解释说。

03.以奉献做获得，踵自我而增华

在科研之余的生活中，李同同在硕士与博士期间都担任着班长的职务。如今他作为信息科学与工程学院2022级博士生班的班长，帮助大家处理日常生活学习中遇到的困难和问题。在2023年，他带领班级获得“兰州大学优秀班集体”的荣誉称号。

“平常大家都忙着自己的学习科研，很难凑到一起，所以每个学期都会组织大家进行一次团建活动。”李同同希望在班级中的每一个人都能获得在班集体中的归属感，希望每一个人都能珍惜这份宝贵的同学情谊。

李同同认为，帮助同学是自己“获得”的方式，也是自己不断得到锻炼的过程。2024年他担任博士研究生党支部书记，从一个党团活动的参与者到组织者，刚开始的半年对他都是一个非常有挑战的过程，从“三会一课”的开展、到党员的发展工作，以及各种材料的整理和撰写，李同同在上一任支部书记的指导下一步步学习。“我希望自己去认真做好团队的建设工作、上传下达的组织性工作，大家对我工作的认可就是我最大的获得。”在这份工作中最大的成长，李同同觉得是团队合作。“只要协调得当，团队作战永远能够起到一加一大于二的效果。以及自己博士期间所出的成果也是如此，团队合作能够让你获得更大的发展空间。”

志愿服务是李同同认识世界的另一种方式。“科研教会了我解决问题，志愿活动教会了我感受世界，这两者只是从不同的角度帮助我去体验人生。”在青年志愿者协会中，他去养老院做义工，给老人们打扫卫生、分发饭菜，一起聊天谈心。李同同认为那些事让他见识到校园之外的生活，感受到了这个社会中的温暖，也让他的精神世界在不断实践与思考中更加完整，因此即使是这些微小的事，于他而言也特别有价值。

“如果一个研究者只是去做科研，不去接触一些新的事物，那么这个人是不够完整的。去主动去感受世界，通过你自己专业的方式更好地去服务社会是必要的。”虽然现在科研任务比较繁忙，但是李同同仍然希望有更多的机会去做志愿活动。

李同同从本科、硕士、博士一步一步走得坚定、扎实，不断缩小与身边优秀的人的差距。现在，他还在关注国内外其他高校的最新成果。“科研本身是一个枯燥且乏味的过程，但是你得学会去享受这份枯燥与乏味。因为它不仅仅改变你的认知，它还是改变你看待世界、解决问题的一个过程。我们要学会用科研的视角去看待世界，用科研的思维解决在生活、工作中所遇到的问题。那就是去发现、分析，最终解决问题。”

文字丨魏露　程莉莉

图片丨由受访者提供

（兰州大学官方公众号）

相关新闻

兰州大学官网：兰州大学最新研究揭示智能手机在抑郁评估中的行为表型

智能手机凭借其便携性与传感能力，已成为医疗健康数据采集的重要载体。通过内置加速度计、麦克风、GPS等传感器，这类设备能够持续被动地采集多模态数据流，涵盖环境参数、生理指标和行为模式等多个维度。研究表明，此类多维时序数据不仅可用于躯体疾病的预警，还可用于精神障碍的评估，其常用技术路径如图1所示。然而，从海量手机数据中精准提取出能够有效表征重度抑郁症（Major Depressive Disorder，MDD）的数字表型特征并非易事，面临诸多技术难题。一方面，手机原始数据的时空异质性导致用于MDD识别的稳定数字表型萃取困难；另一方面，未经脱敏的语音、定位等敏感信息采集可能引发隐私泄露风险，对临床试验伦理审查和技术转化构成实质性障碍。因此，需要探索高信效度特征工程方法与隐私计算框架。

图1　基于智能手机的精神障碍评估技术路径

近日，兰州大学信息科学与工程学院杨民强副教授以第一作者在IEEE旗舰期刊《Proceedings of the IEEE》正刊发表题为《Digital Phenotyping and Feature Extraction on Smartphone Data for Depression Detection（抑郁症检测中智能手机数据的数字表型分析与特征提取）》的研究论文，胡斌教授和胡希平教授为论文共同通讯作者。

该文针对普适感知技术相关的多个关键问题展开了全面深入的剖析，旨在为MDD的检测工作提供更有力、更有效的辅助支持。文章系统性地分析了当前通过智能手机数据进行数字表型的研究，总结了MDD可能的检测方法，并从数字表型的视角创新性地阐释了五类具有代表性的特征（如图2所示）。这五类特征分别为：反映个体活动范围和轨迹的位置特征，体现个体运动状态和活动量的运动特征，包含睡眠时长、质量等关键信息的睡眠特征，表征个体日常活动时间规律的节律特征，以及记录个体社交互动模式和手机使用习惯的社交与设备使用特征。此外，论文还针对现有研究的局限性，从多模态融合、长期纵向试验、行为模式、被动数据的隐私问题及神经机制等方面提出开放性问题、研究挑战及解决思路，为该方向进一步的研究探索与工程应用提供了方向指引，推动智能手机在精神障碍辅助诊疗中的应用。

图2　代表性特征及其数字表型示例

【新闻背景】

《Proceedings of the IEEE》在计算机科学领域中CiteScore排名第一，影响因子为23.2（中科院一区，CCF A类，JCR Q1），2024年发文量仅为43篇。该期刊以发表深度综述、前沿技术指南及权威调研著称，被全球学术界视为电子电气与计算机领域的顶级风向标。该论文系兰州大学首次以第一单位在《Proceedings of the IEEE》发表。

杨民强课题组致力于人工智能技术在普适化精神障碍诊疗中的研究，以第一作者或通讯作者身份发表顶级及一流期刊会议论文20余篇。课题组研制了可穿戴眼动仪UEYE，实现了可穿戴高精度眼动追踪技术的自主可控和国产替代，并将其应用于抑郁筛查。相关技术获得授权专利5项，论文发表在中科院一区顶级期刊TCSVT（入选ESI高被引论文）。课题组立足“摄像头+麦克风”的普适化传感器数据开展抑郁识别研究，发表了一系列有影响力的研究成果。其中，发表在CCF A类顶级期刊TKDE的论文提出了时空注意力多模态协同感知模型，可在自由对话场景下实现抑郁识别（入选ESI高被引论文）。在抑郁的非药物干预方面，课题组开展了面向抑郁干预的大语言模型多模态行为信息反馈技术研究，并获得国家自然科学基金面上项目资助。

原文链接：

https://ieeexplore.ieee.org/document/10915577

文：杨民强　图：杨民强