科学研究

潘文亮，现任中国科学院数学与系统科学研究院副研究员及博士生导师，专注于统计学习算法、医学图像数据分析和度量空间的非参数方法等领域研究。在Annals of Statistics、Journal of the American Statistical Association等统计学顶级杂志上发表了20篇以上学术论文，获得2022年教育部高等学校科学研究优秀成果自然科学类二等奖（排名第二）。主持的科研项目涵盖国家自然科学基金委青年基金B类、面上项目等。同时，担任北京生物医学统计与数据管理研究会副理事长，以及中国现场统计研究会统计交叉科学研究分会副秘书长。

统计参数映射（SPM）是神经影像分析的核心方法，用于检测脑区与临床或遗传预测因素之间的关联。然而，解剖结构变异性、信号模式异质性、配准偏差以及采集伪影会导致错位误差，从而降低分析的准确性和统计效能。为解决这些挑战，我们提出了区域化统计参数映射（RW-SPM）——这是一种新颖的框架，它将基于区域的聚合与由解剖学标志引导的自适应平滑相结合。通过将图像分割为小型连贯区域，并将其聚合的体素分布嵌入希尔伯特空间，RW-SPM实现了稳健的、基于分布的关联检验，同时保持了计算效率。理论研究和模拟实验表明，RW-SPM显著降低了错位偏差，控制了I类错误率，并提高了灵敏度。在真实神经影像数据上的应用证实，该方法能够同时提升SPM结果的准确性和可靠性。