10月27日上午，埃默里大学秦昭晖教授应理学院陈兴教授邀请，在钱伟长楼201报告厅作了题为“A novel classification framework for genome-wide association study of whole brain MRI images using deep learning”的学术报告。此次报告由陈兴教授主持，理学院部分教师和学生到场聆听。
报告会上，秦教授首先回顾了基因组关联研究在神经影像领域的应用现状与局限性。他指出，传统GWAS方法主要依赖从脑影像中提取的单一量化特征，可能忽略图像中蕴含的丰富全局信息，深度学习技术为解析脑影像背后的遗传机制提供了全新契机。随后，秦教授系统介绍了其团队提出的创新研究策略，该策略将遗传分析问题转化为图像分类任务，其核心假设为：若某一遗传变异真正影响大脑结构或功能，则不同基因型个体的大脑MRI图像中应存在可被深度学习模型识别的系统性差异。针对“如何高效筛选具有显著影像表型的遗传变异”这一难题，研究团队提出构建深度神经网络，训练模型根据特定SNP的基因型对脑影像进行自动分类。秦教授还以阿尔茨海默病神经影像学数据为例，具体阐述了该方法在识别新型脑相关遗传变异方面的有效性。报告最后，秦教授展望了未来研究方向，包括在更大规模数据中验证结果、探索新发现变异的生物学机制，以及优化模型复杂度与可解释性。互动环节中，秦教授与师生围绕技术细节与应用前景展开深入交流，现场讨论热烈，师生纷纷表示收获颇丰。
秦昭晖，现任美国埃默里大学生物统计与生物信息学教授。1994年本科毕业于北京大学，2000年在密歇根大学获得统计学博士学位，在哈佛大学接受博士后训练，并曾在密歇根大学生物统计系担任助理教授。秦教授在生物信息学，计算生物学，基因组学及统计遗传学等领域有丰富研究经验，目前已发表一百四十多篇同行评议的研究论文。秦教授目前的主要研究方向为高通量组学数据分析，以及利用统计建模和机器学习等方法进行组学大数据的数据挖掘和分析。
报告现场
