近日，我校計算機學院在本科生科研創新方面連傳捷報。2022級信息安全專業本科生杜天宇分別以第一作者和第二作者身份，在《IEEE Transactions on Neural Systems and Rehabilitation Engineering》和《Pattern Recognition》上各發表一篇SCI論文。

 在杜天宇同學為第一作者撰寫的論文《Hyper-ordinal Pattern: Measuring High-order Connection Relationship in Brain Disease Networks》中，江蘇科技大學為第一署名單位，學院馬凱博士為論文通訊作者。該研究針對腦科學領域中，現有腦網絡分析方法大多忽略了腦超網絡中蘊含重要權重信息的超邊連接關系問題，提出了一種新型腦超網絡表示方法——超序模式（HOP）。通過引入帶有權重信息的超邊有序模式關系，來構建腦超網絡的HOP。并提出了節點HOP核函數來度量腦超網絡中的節點相似性。文章進一步提出了序模式超網絡（OPHN）核用于計算腦超網絡的相似度，并在MCI和AD等腦疾病分類任務中明顯優于超圖神經網絡等當前最先進的方法。該論文已發表在《IEEE Transactions on Neural Systems and Rehabilitation Engineering》上，是神經科學與康復工程領域的頂級學術期刊之一，屬于IEEE出版的系列期刊，其影響因子為5.2，屬于中科院二區，JCR Q1。

 在杜天宇同學作為第二作者撰寫的論文《Hyper-network Curvature: A New Representation Method for High-order Brain Network Analysis》中，江蘇科技大學為第一署名單位，學院馬凱博士為論文第一作者兼通訊作者，該論文提出了一種新的腦網絡表示方法——“超網絡曲率”，該方法能夠更有效地分析大腦功能性超網絡中的節點局部拓撲結構。傳統的腦網絡分析方法通常只考慮節點間的二階關系，而超網絡曲率方法則能夠揭示腦區域間的高階連接特征，進而提升腦疾病分類的準確性。在基于功能磁共振成像數據（fMRI）的實驗中，該方法相比于現有的圖核方法和圖神經網絡，顯著提高了腦疾病的分類精度。該研究發表在《Pattern Recognition》上，是計算機科學領域的頂級國際期刊之一，主要聚焦于模式識別領域的最新研究成果，影響因子為7.6，屬于中科院一區-Top，JCR Q1。

  這兩項研究成果的取得，展示了我校計算機學院在本科生科技創新能力和人才培養方面的顯著成效。尤其是在腦功能連接網絡、腦超網絡分析以及腦疾病的早期診斷領域，為腦科學領域的發展做出了積極貢獻。同時，也充分體現了我校計算機學院對本科生科研創新的重視與支持。期待未來更多的學生在科學研究和技術創新方面取得更加優異的成績，為推動學科發展和科技進步貢獻力量。

（撰稿：馬凱 初審：張靜 二審：張馳 終審：毛暉 編輯：張靜）