近日，我校医药信息工程学院新进教师董长续博士在生物信息顶刊《IEEE Journal of Biomedical and Health Informatics》（IF=7.09，中科院一区Top）和《Expert Systems With Applications》(IF=9.38，中科院一区Top）上分别发表题为“Attention-based Multimodal Spatiotemporal Enhanced Interaction Network For Major Depressive Disorder Detection”和“Multi-View Neurological Disorder Detection Basedon an Adaptive Self-Supervised Multi-Scale Spatialtemporal Interaction Network”的研究论文。上述两篇论文中，董长续博士均为第一作者，我校及学院为第一完成单位。

在首项研究中，董长续博士针对当前重度抑郁症检测领域深度学习模型所面临的两大瓶颈，多模态脑网络交互信息挖掘不充分，以及脑区间关键时空依赖关系缺乏自适应捕捉机制展开了深入探索。本文在两个大规模数据集上进行了系统评估，均取得了当前最优异的检测性能，充分验证了该框架在辅助临床抑郁症智能诊断中的巨大潜力。

在第二项研究中，针对现有方法严重依赖有限标注样本、难以捕捉多尺度神经交互信息的关键局限，提出了自适应自监督多尺度时空交互网络。该框架创新性地集成了自监督时空对比学习机制，充分利用大量无标注的脑电图和功能磁共振成像数据来学习鲁棒且可迁移的表征，从而显著降低了对昂贵专家标注的依赖。

最后，学院将持续加大对青年教师科研工作的支持力度，进一步完善人才培育与激励机制，优化科研条件与平台建设，积极营造勇于创新、潜心研究的学术生态。同时，学院将紧密围绕国家重大战略需求和医学信息前沿领域，鼓励青年教师开展原始创新和关键核心技术攻关，推动学科交叉融合与高水平成果产出，努力打造一支具有国际视野和创新活力的青年科研队伍，为学校“双一流”建设和健康中国战略贡献更大力量。（医药信息工程学院/文图 高霞/审核）