山东大学公共卫生学院国家健康医疗大数据研究院陈昊及其合作者在统计学与脑科学交叉领域发表新成果

山东大学公共卫生学院国家健康医疗大数据研究院陈昊助理研究员团队，与金融研究院何勇教授团队合作，在国际统计学顶尖期刊《应用统计学年鉴》（Annals of Applied Statistics, AOAS）发表题为“Cooperative Differential Network Learning With Hub Detection for Multi-Center Neuroimaging Data”的创新研究成果。论文第一作者为公共卫生学院国家健康医疗大数据研究院陈昊助理研究员，通讯作者为金融研究院何勇教授，山东大学为论文的第一作者单位和通讯作者单位。

该研究首次提出针对脑科学与心理健康研究领域多中心数据的高维统计协同建模框架，为解决神经影像跨中心研究中异质数据整合的难题提供了方法论突破。研究成果不仅为精神障碍疾病的脑功能网络机制解析提供了全新的方法学工具，还为多中心数据的整合分析设立了新范式，具有重要的学术价值和实际应用潜力。

儿童注意缺陷多动障碍（ADHD）是一种以注意力缺陷、多动冲动为核心症状的神经发育性疾病，严重影响儿童学习能力与社会功能。当前，基于神经影像的ADHD诊断与机制研究面临多中心数据异质性整合困难、功能网络关键节点识别精度不足等挑战。本研究基于国际ADHD-200多中心数据集（涵盖北京、纽约等5家机构的神经影像数据），首次构建了协作差异网络学习及中枢节点识别模型（CDNL），为跨中心脑功能网络分析提供了创新方法。本研究针对多源神经影像数据因扫描设备和参数差异导致的异质性问题，提出双重惩罚逻辑回归框架，通过“协作惩罚项”实现跨中心共性特征提取与特异性保留，结合“中枢惩罚项”精准定位功能网络中的关键枢纽节点。研究同步开发集成学习算法，显著提升了小样本数据的建模鲁棒性，并开源R软件工具包（CDNL-v1.0），支持脑功能网络刻画到网络节点及连接差异识别的全流程分析。仿真实验证实，该模型在跨中心功能连接差异检测和中枢节点定位中优于传统单中心方法，揭示了ADHD患者默认网络与突显网络间异常连接模式。本研究为ADHD神经机制解析提供了多维度方法学突破，其跨中心协同建模框架可拓展至自闭症、抑郁症等脑疾病研究领域，对推动神经影像大数据标准化分析具有重要科学价值。

本研究得到了国家自然科学基金、泰山学者青年专家计划、山东大学齐鲁青年学者计划以及山东大学青年学者未来计划等项目的资助，同时得到了国家健康医疗大数据研究院计算平台的支持。

AOAS是国际应用统计学领域的权威学术期刊，长期位列统计跨学科交叉方法创新的前沿阵地。作为统计学与多学科交叉研究的风向标，该刊以推动新型统计方法在生物医学、工程等领域的实际应用为核心特色。在中国数学会发布的《数学领域期刊分级目录》中，AOAS连续三届蝉联概率统计类最高级别T1期刊，统计学领域仅6本期刊获此殊荣，彰显其在国际学术界的标杆地位。