2018年11月13日，多伦多大学孙强教授访问我院，并在子彬院北102会议室进行了以“动态功能性大脑连接的流形学习：建模和检测变化点”为主题的学术报告。此次报告由我院高凤楠青年副研究员主持。
孙教授介绍说，在神经科学中，功能性大脑连接描述了共享功能特性的大脑区域之间的连通性。神经科学家通常通过分布式神经元区域的功能测量之间的协方差矩阵的时间序列来表征它，功能连接及其随时间变化的有效统计模型对于更好地理解大脑和各种神经疾病的机制至关重要。为此，孙教授提出了一个带有加性非均匀噪声的矩阵对数均值模型，用于对位于黎曼流形中的随机对称正定矩阵进行建模，特别引入误差项的异质性以捕获流形的弯曲性质。然后，建议使用本地扫描统计信息来检测功能连接中的更改模式。从理论上讲，其程序可以一致地恢复所有变化点，模拟研究和人类连接项目的应用进一步支持了所提出的方法。
最后孙教授同在场师生进行了热情交流，本次报告会圆满结束。