2020年3月16日，首都医科大学生物医学工程学院李海云教授课题组在神经影像国际权威杂志《Human Brain Mapping》正式发表了题为“Bootstrapping promotes the RSFC-behavior associations: An application of individual cognitive traits prediction”的研究论文。该研究提出了一种自举特征筛选法，能够显著提高基于影像的认知表型的预测能力。生物医学工程学院硕士生韦俐江、青年教师景斌为共同第一作者，李海云教授为通讯作者。

静息状态功能连接（RSFC）记录了任意一对脑节点之间的功能交互，可以提供丰富的大脑功能连接信息，但缺点是数据维度非常高，特征分析十分困难，为了降低高维特征，相关分析是特征选择的常用方法。但静息态功能磁共振成像信号表现出低信噪比、可靠性较差的问题，传统的相关分析对异常值和数据分布敏感，常常筛选出不稳定的特征。

为了有效解决这一问题，李海云教授团队提出了一种基于自举法的特征选择框架，并将其应用于基于功能连接的认知表型预测建模，包括支持向量回归（SVM）、最小绝对收缩和选择算子（LASSO）、岭回归（Ridge regression）和连接预测模型（CPM）等模型。通过利用“人脑连接组计划”（Human Connectome Project）数据对模型进行验证，系统地研究不同参数对预测的影响，并找出最优的参数组合作为每个认知表型的预测结果。结果显示，在四种预测模型中，自举特征筛选法的预测效果均优于相关分析法，且该方法可以有效地减少特征维数，筛选出更稳定有效的特征。

该框架是一种易于使用的、有效的提高认知特征RSFC预测的方法，并可在其它行为评分预测上推广。该研究有助于提高神经影像学在探索健康脑的功能表型、脑疾病的影像学标志及疗效评估上的应用价值。

该研究获得北京自然科学基金委项目（No.7174282，No.L192044）和北京市教委科技计划项目（No.KM202010025025）经费等资助。

李海云，首都医科大学生物医学工程学院教授、博士生导师。主要从事医学影像计算与仿真、医学人工智能研究。担任国家科技奖励、中华医学会及北京市科技成果评审专家，《Journal of Alzheimer's Disease》助理编辑，《航天医学与医学工程》、《北京生物医学工程》、《生物医学工程与临床》等杂志编委。先后承担了国家自然科学基金、北京市自然科学基金、北京市教委科技计划重点项目、北京市自然科学基金海淀原始创新联合基金等多项课题。在《Brain Research》、《Neuroscience》、《Physics in Medicine and Biology》、《Human Brain Mapping》、《Soft Computing》等期刊上发表多篇论文。主编学术专著一部，参编十三五规划教材一部，获国家发明专利3项和软件著作权20余项。