➢  基于逐层预训练深层表示学习模型的食管癌识别与预测

基于河南省肿瘤医院提供的食管癌六期CT切片图，提出了一种基于深度学习逐层预训练策略的深层非负矩阵分解模型对临床上常用的统计特征进行特征优化，并构建一种反投影稀疏表示分类模型进行识别与预测，取得了理想的结果，该研究结果对临床方案的制定和患者预后都具有极其重要的价值。

➢  基于未标记数据的混合驱动模型及其在乳腺癌识别中的应用

受徐宗本院士提出的模型驱动的深度学习思想启发，我们提出了一种数据模型混合驱动策略，该方法仅需要少量带类别标签的训练数据，主要借助大量没有标签的数据挖掘深层表示信息。对https://tumorgenome.nih.gov/上公开的乳腺癌微阵列基因谱表达数据集进行测试，通过生存曲线分析和通路富集分析，可以较好的筛选出利于识别的原癌基因和抑癌基因，与当前最新公开发表的结果相比，我们的方法大大降低了错误识别率。

和最新结果相比的准确率和错误下降率(%)