近日，我校计算机学院在本科生科研创新方面连传捷报。2022级信息安全专业本科生杜天宇分别以第一作者和第二作者身份，在《IEEE Transactions on Neural Systems and Rehabilitation Engineering》和《Pattern Recognition》上各发表一篇SCI论文。
在杜天宇同学为第一作者撰写的论文《Hyper-ordinal Pattern: Measuring High-order Connection Relationship in Brain Disease Networks》中，江苏科技大学为第一署名单位，学院马凯博士为论文通讯作者。该研究针对脑科学领域中，现有脑网络分析方法大多忽略了脑超网络中蕴含重要权重信息的超边连接关系问题，提出了一种新型脑超网络表示方法——超序模式（HOP）。通过引入带有权重信息的超边有序模式关系，来构建脑超网络的HOP。并提出了节点HOP核函数来度量脑超网络中的节点相似性。文章进一步提出了序模式超网络（OPHN）核用于计算脑超网络的相似度，并在MCI和AD等脑疾病分类任务中明显优于超图神经网络等当前最先进的方法。该论文已发表在《IEEE Transactions on Neural Systems and Rehabilitation Engineering》上，是神经科学与康复工程领域的顶级学术期刊之一，属于IEEE出版的系列期刊，其影响因子为5.2，属于中科院二区，JCR Q1。
在杜天宇同学作为第二作者撰写的论文《Hyper-network Curvature: A New Representation Method for High-order Brain Network Analysis》中，江苏科技大学为第一署名单位，学院马凯博士为论文第一作者兼通讯作者，该论文提出了一种新的脑网络表示方法——“超网络曲率”，该方法能够更有效地分析大脑功能性超网络中的节点局部拓扑结构。传统的脑网络分析方法通常只考虑节点间的二阶关系，而超网络曲率方法则能够揭示脑区域间的高阶连接特征，进而提升脑疾病分类的准确性。在基于功能磁共振成像数据（fMRI）的实验中，该方法相比于现有的图核方法和图神经网络，显著提高了脑疾病的分类精度。该研究发表在《Pattern Recognition》上，是计算机科学领域的顶级国际期刊之一，主要聚焦于模式识别领域的最新研究成果，影响因子为7.6，属于中科院一区-Top，JCR Q1。
这两项研究成果的取得，展示了我校计算机学院在本科生科技创新能力和人才培养方面的显著成效。尤其是在脑功能连接网络、脑超网络分析以及脑疾病的早期诊断领域，为脑科学领域的发展做出了积极贡献。同时，也充分体现了我校计算机学院对本科生科研创新的重视与支持。期待未来更多的学生在科学研究和技术创新方面取得更加优异的成绩，为推动学科发展和科技进步贡献力量。
（撰稿：马凯 初审：张静 二审：张驰 终审：毛晖 编辑：张静）
