学院动态
    学院动态
    位置: 首页 > 学院动态 > 正文

    增材制造与工业机器人应用技术团队在中科院一区Top期刊《IEEE Journal of Biomedical and Health Informatics》发表最新研究成果

    '

    时间:2026-11-16 浏览:来源:李肖

    近日,我院增材制造与工业机器人应用技术团队在国际学术期刊 IEEE Journal of Biomedical and Health Informatics(JBHI,中科院一区TOP期刊,影响因子6.8)上发表了一篇题为《Unsupervised Feature Selection-Driven Active Learning for Semi-Supervised Automatic ECG Analysis》的文章,10.1109/JBHI.2025.3629804。

    该论文的第一完成单位为湖北工业大学机械工程学院,由我院李肖老师和研究生周永康等人共同完成。该工作得到了国家自然科学基金的资助。

    心电(ECG)人工智能自动分析是心律失常筛查的重要技术手段,但高精度 AI 模型高度依赖大量专家标注数据;心电信号人工标注耗时耗力、临床专家资源紧缺。针对上述难题,团队提出 UAFSSL 无监督特征选择驱动的半监督学习框架,无需迭代人工干预,通过无监督特征提取、聚类与代表性样本筛选,一次性选出高价值待标注心电样本,再结合 Mean-Teacher 半监督模型开展训练。在公开数据集 LUDB 心电波形库、MIT-BIH房颤数据库AFDB,以及同济医院500名阵发性房颤患者的24小时动态临床数据集开展多组验证实验。仅使用5%标注样本时,P波分割F1值较随机采样提升2.4%;仅200条标注样本做房颤检测,AUC 分别提升 2.5%、2.2%,模型鲁棒性优异。

    这项工作是首个将无监督主动学习与半监督学习结合用于心电自动分析的研究,框架不局限于心电信号,具备向其他生理信号分析拓展的潜力,为低标注资源条件下医学 AI 模型开发提供新的技术路径。

    原文链接:https://ieeexplore.ieee.org/abstract/document/11230510