近期，人工智能与前沿交叉学院崔少国教授团队完成的医学影像智能分析研究论文“Bidirectional Variational Learning with Modal-Scale Experts: Advancing Few-Shot 1p/19q Co-Deletion Prediction in Glioma MRI”在国际会议2026 IEEE International Conference on Acoustics, Speech and Signal Processing（ICASSP 2026）发表。该论文作者包括来自我院的崔少国教授、研究生陈俊杉和林文龙以及重庆医科大学附属第一医院医师张力强博士。
胶质瘤是成人常见的原发性颅内肿瘤，1p/19联合缺失状态是少突胶质细胞瘤分子分型和临床诊疗的重要依据。目前，1p/19q联合缺失主要依赖手术取样和分子检测，不仅具有侵入性，而且难以充分反映肿瘤内部的空间异质性。近年来，基于多模态MRI的深度学习方法为无创术前预测提供了新的技术途径，但医学影像样本数量有限，传统数据增强容易引入语义失真，同时常用的多模态特征拼接或平均融合方式难以充分挖掘不同MRI序列间的互补信息，限制了模型在小样本条件下的预测性能。
针对小样本数据增强与多模态特征融合两方面的挑战，团队提出了双向变分混合专家网BiV-MoE Net。该方法利用动态空洞卷积自适应提取不同尺度的肿瘤特征，并设计双向LSTM变分自编码器，在潜在特征空间中进行扰动，在保持原有肿瘤语义信息的同时提升特征多样性；同时构建包含全局、局部及模态专家的模态-尺度专家模块，通过动态门控机制实现CE-T1WI与T2-FLAIR影像信息的自适应融合，从而增强模型对肿瘤异质性及跨模态互补特征的表征能力。实验在来自TCIA和TCGA的412例IDH突变型胶质瘤病例上开展，五折交叉验证结果显示，该方法取得了91.02%的准确率和95.16%的AUC，优于多种现有数据增强及多模态融合方法，验证了该方法在有限样本条件下进行胶质瘤1p/19q联合缺失预测的有效性。
图1 BiV-MoE Net框架图
IEEE International Conference on Acoustics, Speech and Signal Processing（ICASSP）是IEEE信号处理学会主办的旗舰国际学术会议，也是中国计算机学会（CCF）推荐的B类国际学术会议，在信号处理、人工智能及医学影像分析等领域具有较高国际影响力。ICASSP 2026于西班牙巴塞罗那举行，本文被会议主会录用并做大会交流报告，并收录于生物信号与图像处理相关专题。
论文链接：DOI：10.1109/ICASSP55912.2026.11460806
Ø崔少国教授简介
人工智能与前沿交叉学院院长，博士，教授，博士生导师。入选“博望学者”领军人才，“巴渝学者”特聘教授。美国威斯康星大学麦迪逊分校访问学者。类脑认知计算与特殊儿童教育康复重庆市重点实验室副主任，特殊儿童智能康复与教育重庆市哲学社会科学重点实验室副主任，重庆市人工智能及创新应用研究生导师团队负责人，重庆市电子信息专业硕士校企联合培养实践基地负责人，人工智能与智慧医疗创新研究团队负责人。国际电气电子工程师协会IEEE会员，中国计算机学会CCF教育专委会执行委员和数字医学分会执行委员，中国人工智能学会CAAI终身会员，国际一般系统论研究会中国分会医学信息系统专业委员会第一届委员会常务委员，重庆市数字医学会理事，重庆市计算机学会常务理事。
主持和参与国家自然科学基金、国家社会科学基金、教育部规划基金、市自然科学基金、市社科基金、市教委自科项目和社科项目30余项；在国内外专业学术期刊上发表科研论文30余篇；申请并授权国际发明专利2项、国家发明专利12项，软件著作权4项；出版学术专著1部，编写教材5部。
撰 稿：周春丽
一审一校：崔凤明
二审二校：桑彬彬
三审三校：崔少国
