2024年7月4日，加拿大阿尔伯塔大学的孔令龙教授应国家数学与交叉科学中心的邀请，做客综合论坛，并进行了题为“神经影像数据的双适应空间分位数回归”的学术报告。报告会由潘文亮副研究员主持，多位师生参加了此次报告会。

在报告中，孔令龙教授指出，当前分析神经影像数据的许多技术通常使用最小二乘估计和高斯平滑。然而，这些方法对影像中的异常值和伪影不够稳健，而这些问题在实际应用中往往是不可避免的。同时，这些方法无法适应不同神经区域感兴趣区域的锐利边缘和各种空间尺度。为了解决这些问题，并在回归框架下更深入地了解神经影像响应的分布，孔教授提出了一种双适应空间分位数回归模型(DASQRM)。该方法在自适应地利用空间位置和分位数水平的信息的基础上，能够稳健地估计模型参数并进行假设检验。此外，孔教授严谨地建立了所提估计量的重要统计性质，并提出了一种高效的模型估计方法。通过三项模拟研究(这些模拟类似于真实世界的神经影像数据)以及对ADHD-200项目数据集的分析，孔教授展示了双适应方法在减少估计噪声和偏差、提高假设检验的统计功效和效率、以及改善估计可解释性方面的优势。

此次报告为参会的师生提供了深入了解神经影像数据分析前沿方法的机会，并激发了他们在该领域的研究兴趣和讨论。

个人简介：孔令龙博士是阿尔伯塔大学数学与统计科学系的教授，担任加拿大统计学习研究主席和加拿大CIFAR人工智能主席。他是美国统计协会（ASA）会士和阿尔伯塔机器智能研究所（AMII）会士。他的学术成果包括在顶级期刊（如《Annals of Statistics》（AOS）、《Journal of the American Statistical Association》（JASA）和《Journal of the Royal Statistical Society, Series B》（JRSSB））以及顶级会议（如NeurIPS、ICML、ICDM、AAAI和IJCAI）上发表的100多篇同行评审文章。孔博士目前担任《美国统计协会期刊》（JASA）、《加拿大统计期刊》（Canadian Journal of Statistics）和《统计学及其接口》（Statistics and its Interface）的副编辑。此外，他还是国际生物统计学会西北美地区执行委员会的成员、ASA统计计算会议项目的主席以及网络研讨会委员会的主席。他曾担任《加拿大统计期刊》和《统计学及其接口》的客座编辑、《国际影像系统与技术期刊》（International Journal of Imaging Systems and Technology）的副编辑、《神经科学前沿》（Frontiers of Neurosciences）的客座副编辑、ASA统计影像会议的主席，并曾是加拿大统计学会董事会成员。孔博士的研究兴趣包括高维数据和神经影像数据的分析、统计机器学习、稳健统计和分位数回归，以及智能健康的人工智能应用。