CCF广东工业大学学生分会于2025年5月19日（星期一）成功举办了主题为“Turn research into standards”、“基于生成式AI的多模态脑影像计算”和“当主成分分析遇到k平均算法和多对线性判别分析”的学术讲座。本次的学术讲座由黄国恒老师主持。三场报告分别由曾剑锋教授、王书强教授以及凌永权教授为我们带来。

曾剑锋，IEEE院士，中华人民共和国中国科学院深圳先进技术研究院教授。他曾获物联网英雄奖（2016 年）和 IEEE 产品安全工程学会杰出成就奖（2021 年）等殊荣。他在制定物联网标准和最佳实践方面担当重要角色，并担任香港政府顾问。除了在物联网和标准制定方面的贡献，曾剑锋还担任多项领导职务

王书强，广东省杰出基金获得者，中科院特聘研究员，中科院深圳先进技术研究院生物医学信息中心副主任。香港城市大学获得博士学位，先后在华为-诺亚方舟实验室、香港大学李嘉诚医学院和中科院深圳先进技术研究院从事机器学习，脑影像计算和等领域研究；主持科技部重点研发计划课题、国家自然科学基金(4项)等20余项；授权美国发明专利11项，中国发明专利41项；在国际权威期刊和国际权威会议发表论文160余篇；多次入选斯坦福大学“全球前2%顶尖科学家”年度科学影响力榜单和终身科学影响力榜单；

凌永权，IET Fellow、广东省珠江学者、制造物联网国家重点实验室骨干成员、教育部物联网智能信息处理与系统集成国际合作联合实验室的副主任、广东省知识产权大数据重点实验室的副主任、广东省协同创新中心的核心成员及广东高校制造与知识产权大数据工程技术研究中心负责人、博士生导师。现任IEEE电路与系统社会数字信号处理技术委员会的秘书、多本期刊的编委，合办多个IEEE国际会议，他的研究方向包括时频分析、最优化理论、人工智能、非线性数字信号处理系统、控制理论、人体信号处理等。他出版SCI论文近300篇，IEEE国际会议论文近200篇、受权发明专利近100个。

曾剑锋教授的报告主题是“Turn research into standards”。在本次讲座中，曾教授深入探讨了如何将研究转化为国际标准的重要性，并分享了他在这一领域的丰富经验和见解。曾教授首先介绍了其团队的工作示例，即“开发一个指数来评估辐射危害并检查智能设备的NIR是否符合安全标准”。通过这个案例，他强调了科学研究与标准制定之间的紧密联系。曾教授讲解了IDex框架的设计理念及其应用实例，该框架旨在衡量物联网系统的成熟度，帮助行业识别潜在风险并提高整体安全性。

接下来，曾教授深入探讨了国际标准对科研和工业界的影响。他指出国际标准引导研究向关键领域聚集，这意味着标准不仅为技术创新提供了框架，还促进了不同系统之间的互操作性，支持了全球范围内的“即插即用”。曾教授还提到了六大标准委员会的工作，这些委员会涵盖了新兴技术、区块链、元宇宙、设备标准、金融科技与经济以及电子游戏与体育等多个领域。

此外，曾教授分享了关NRSDex评价体系的图表，展示了如何利用特定的评估方法来分析智能设备的安全性标准是否达标。通过这个示例，曾教授进一步阐述了标准制定过程中需要考虑的关键因素，包括但不限于数据收集、模型构建以及结果验证等环节。

曾教授强调，成功的标准制定离不开学术界、政策制定者及产业界的紧密合作。只有通过多方协作，才能确保新标准既具有前瞻性又能切实应用于现实世界的问题解决之中。他还鼓励年轻学者积极参与到国际标准的制定工作中，这不仅是提升个人职业发展的良好机会，更是为社会进步和技术革新做出贡献的重要途径。

最后，曾教授总结道，随着科技的不断进步，研究者们不仅要关注技术创新本身，还应思考如何将这些创新成果有效地转化为实际应用中的标准，以促进技术的可持续发展和社会的整体福祉。

随着同学们热烈的掌声，接下来请王书强教授带来以“基于生成式AI的多模态脑影像计算”为主题的分享。

演讲中，王书强教授介绍了生成式人工智能技术在处理多模态脑影像数据中的应用及其潜在价值。王书强教授详细介绍了其课题组自2020年以来在基于生成式AI的脑影像和脑网络计算领域取得的一系列重要成果，并展望了未来两年的研究方向。这些研究涵盖了阿尔茨海默病早期检测、脑网络结构建模、多模态影像融合等多个方面，展示了生成式AI技术在医疗健康领域的巨大潜力和应用前景。

接下来，王书强教授探讨了当前脑电图（EEG）设备面临的挑战。他指出，尽管研究人员通过增加电极数量来提升EEG的空间分辨率，但高密度EEG设备与传统低密度EEG设备相比，存在显著的优缺点。低密度EEG设备具有低成本、部署简易和便携性优异的优势，适用于多种应用场景，然而其空间分辨率和信噪比相对较低，难以满足新兴神经工程场景的需求。相反，高密度EEG设备虽然具备高空间分辨率和高信噪比的优点，其高昂的成本和复杂的部署方式限制了其便携性和应用范围，使其难以在不同任务场景中广泛应用。因此，如何平衡成本、便携性和数据质量，成为当前亟待解决的问题。王教授强调，未来的研究需要在硬件设计和算法优化上寻求突破，以实现既经济又高效的脑电图数据采集与分析。

此外，王书强教授简要介绍了其团队使用PANDA工具构建脑网络的流程，包括从预处理、纤维追踪到非线性配准和反向配准等步骤，并指出了现有方法中存在的挑战，如手工设置参数和非线性配准精度低的问题。他强调了通过引入生成对抗网络（GAN）等技术优化算法的重要性，以提高自动化程度和结果的一致性，从而为医学研究提供更加精确的支持。

经过同学们和王书强教授的热烈讨论后，凌永权教授为我们带来主题为《当主成分分析遇到k平均算法和多对线性判别分析》的报告。

凌教授报告内容丰富多彩，围绕着四大章节展开：心电图（ECG）和光电容积脉搏波（PPG）信号分析及其应用、脑电图（EEG）信号分析及其应用、时间频率分析以及机器学习理论。

在讲座中，凌教授分享了其团队在生物医学信号分析和机器学习理论方面的最新研究进展。凌教授首先介绍了ECG和PPG信号的基础知识及这些信号在健康监测中的重要性。他强调了正确分析这些信号对于疾病早期诊断的重要性，并通过具体案例展示了其团队的研究成果。

此外，他还探讨了EEG信号分析在神经科学研究中的应用，包括在睡眠研究、癫痫发作分类以及想象语音和动作识别等。这部分内容特别强调了EEG技术对理解大脑功能机制的重要贡献。

接着，凌教授深入讲解了时间频率分析的概念，如非线性时间频率分析和分数时间频率分析等，及其在生物医学信号处理中的实际应用。这部分内容揭示了时间频率分析在理解复杂生物信号动态特性方面的潜力。

最后，凌教授介绍了一种联合使用PCA和成对LDA的技术，旨在提高数据分析的效率和准确性。该方法涉及一系列数学推导和证明，通过五个关键定理来定义如何优化特征提取过程。这些定理涵盖了从确认特定矩阵为常数矩阵到计算特征值及其对应特征向量的过程。整体上，这种方法提供了一种新的思路来处理数据降维和分类问题，具有潜在的应用价值于生物医学信号处理及其他领域。这一技术的核心在于它能够简化复杂数据集的分析，同时保持甚至提升分析结果的有效性。

通过此系列讲座，同学们深入了解了将研究成果转化为标准的路径、“基于生成式AI的多模态脑影像计算”的应用前景，以及主成分分析与K均值算法、多对线性判别分析相结合的数据处理方法。这些内容展示了从理论研究到实际应用的多样化探索，包括如何利用国际标准推动科技合作与发展，采用先进的人工智能技术解决医学难题，以及优化数据分析方法的新思路。本次讲座内容涵盖理论探索与实际应用，拓宽了同学们的学术视野，激发了大家对相关领域的浓厚兴趣。

本次系列活动不仅为同学们提供了宝贵的交流平台，也进一步推动了校园学术氛围的建设。未来，CCF广东工业大学学生分会将持续聚焦前沿科技动态，组织更多高质量的学术讲座与实践交流，助力广大学子在科技创新的道路上不断探索、勇攀高峰。