《多模態分子成像信息融合的統計理論和算法研究》是依託北京大學，由姚遠擔任負責人的面上項目。
基本介紹
- 中文名：多模態分子成像信息融合的統計理論和算法研究
- 外文名：Research on statistical theory and Algorithm of multi-modal molecular imaging information fusion
- 項目負責人：姚遠
- 項目類別：面上項目
- 依託單位：北京大學
項目摘要,結題摘要,
項目摘要
多模態分子成像是當代分子細胞生物學和醫學影像學交叉學科的重點之一。然而現有的多模態成像系統僅僅提供獨立成像後續融合，並沒有充分利用多模態成像中的信息相關性。為突破現有信息融合系統的局限性，本項目結合項目組在統計理論、機器學習算法和光學成像系統研發方面的工作，研究多模態分子成像中新型的聯合成像算法信息融合問題。本項目重點研究兩種典型的信息融合：以CT/DOT為範例的相似型成像融合問題和以CT/BLT 為範例的互補型成像融合問題。本項目將建立多模態成像算法信息融合的統計理論，改進原有的多模態成像系統的性能，並將為更廣范的信息融合模式研究提供基礎。本項目的研究成果不僅能解決多模態分子成像技術中的關鍵問題，也為我國多模態分子影像設備的研發打下基礎。
結題摘要
在本項目的支持下，我們開闢了一個拓撲和幾何方法在多媒體數據分析中的套用的新領域。近年來拓撲幾何方法在數據分析中開始獲得越來越多的套用，這類方法主要包含三大類方向：關於歐拉示性數(Euler Characteristics)與信號分析；關於點雲數據的持續同調(persistent homology)計算；關於Hodge Theory 及其套用。然而所有方向都和經典的Morse Theory 相聯繫。特別是Hodge Theory，可以通過最佳化的觀點將代數拓撲與微分幾何聯繫起來，從經典的黎曼流形到度量空間到離散結構的cell complex, 都可以定義其抽象結構，這樣的結構在計算機視覺、統計排序、博弈論和多媒體數據分析正在開始新的廣泛套用。本項目資助期間，我們將組合 Hodge 理論首次介紹到統計排序問題中，並在計算機多媒體質量評價上獲得成功套用；同時我們發展了網路結構的Critical Point Analysis方法, 基於Radon Basis Pursuit 的壓縮感知方法，以及在隨機算法複雜性方面取得新的理論進展
