2024年9月20日下午，西南财经大学林华珍教授应邀来我校开展以“空间-因子引导的函数型数据主成分分析——研究脑萎缩与认知功能之间的关系”为题的学术讲座。本次讲座在综合楼644举行，由统计与数学学院院长程开明教授主持。

林华珍，西南财经大学首席教授，统计研究中心主任，新基石研究员，国际数理统计学会IMS-fellow，教育部长江学者特聘教授，国家杰出青年科学基金获得者，现任国际泛华统计学会ICSA董事会成员，中国现场统计研究会副理事长，中国现场统计研究会数据科学与人工智能分会理事长，全国工业统计学教学研究会副会长。其主要研究方向为深度学习理论、非参数方法、函数型数据分析，因子模型、生存数据分析、转换模型等。其研究成果发表在包括国际统计学四大顶级期JASA、AoS、JRSSB及Biometrika上，目前是国际统计学顶刊JASA的Associate Editor。

本次讲座全面而深入地探讨了六个核心维度：研究动机的阐述、函数型数据处理的相关工作、模型构建框架的解析、计算流程的说明、基于ADNI（阿尔茨海默病神经影像计划）的研究案例分析，以及模拟实验的验证。研究动机根植于对阿尔兹海默症（AD），这一普遍且不可逆的脑部疾病的深刻关切，旨在推动AD的早期诊断与干预策略。林教授团队创新性地将脑部各区域的复杂3D形态转化为丰富的曲线数据集，每集包含上百条曲线，以捕捉细微的形态变化。面对区域间错综复杂的内在联系、相邻区域间的空间依赖，以及不同区域可能共享的功能处理模式，团队提出了Space-Factor-Guided Functional Principal Component Analysis（SF-FPCA）这一先进方法。该方法旨在精准捕捉高维函数数据中蕴含的内在结构及空间相关性，并通过识别空间块结构，实现数据的有效降维与特征提取。实验结果显示，SF-FPCA在拟合精度上显著优于其他方法。基于这些特征，团队构建了回归模型，成功识别出57个对AD发展具有关键影响的脑区（ROI），其中11个脑区在以往文献中鲜有提及。尤为引人注目的是，研究揭示了左海马在AD进程中的影响力显著超过右海马，同时指出小脑小叶不同区域的萎缩程度对AD的影响存在显著差异。这些发现不仅丰富了我们对AD病理机制的理解，也为未来的临床干预提供了宝贵的线索与方向。

随着讲座渐入尾声，林华珍教授热情地与老师们和同学们进行激烈而深入的学术对话，这一环节不仅促进了学术见解的交流与融合，更激发了新思想的火花。最后，程开明院长对此次讲座发表总结并对林华珍教授的精彩分享以及在场听众的参与和互动表达了诚挚的感谢。

图文|金佩颖 王梦怡