² 人工智能与模式识别

² 情感识别与情感计算

² 智能诊断与评估

² 脑与认知科学

个人简介

栗觅，教授，博士生导师，北京市脑信息智慧服务国际合作基地副主任，中国自动化学会智能健康与生物信息专委会委员。围绕“人工智能+精神健康医疗”的重大需求和心理状态异常检测的核心问题，从心理生理信息的有效量化、多模态特征提取与建模等方面展开研究工作，在抑郁症早期诊断、智能精神健康评估等方面取得了系列研究成果，自主研发了基于情感带宽和瞳孔波技术的智能精神健康评估系统。相关工作发表在国内外学术论文50余篇，获得美国和中国发明专利、实用新型和外观专利等20 余项，承担了国家973计划子课题、国家自然科学基金等科研项目10余项，并作为第四完成人，获得了2018年国家技术发明二等奖。

教育简历

² 2007-09 至 2012-01, 北京工业大学, 计算机应用技术, 博士

² 2009-04至2009-05，日本前桥工科大学，访问交流及合作研究

工作履历

² 2022-04 至 今, 北京工业大学, 信息学部, 教授

² 2017-06 至 2022-03, 北京工业大学, 信息学部, 副教授

² 2016-09 至 2017-06, 北京工业大学, 信息学部, 讲师

² 2014-10 至 2016-09, 北京工业大学, 电控学院, 讲师

² 2012-01 至 2014-10, 北京工业大学，电控学院，博士后

学术兼职

担任中国自动化学会智能健康与生物信息专委会委员， IEEE Transactions on Affective Computing、IEEE Transactions on Systems, Man, and Cybernetics等国际学术期刊审稿人

课程教学

本科生教学：讲授《电子技术》、《电路分析》慕课、《电子技术实验》等

研究生教学：讲授《认知神经科学》、《智能医疗技术》等

科研项目

² 国家重点基础研究发展计划项目（973计划），2014CB744601，基于fMRI数据的潜在抑郁症生理、心理特征挖掘方法研究，子课题负责人

² 国家自然科学基金委青年基金项目，61602017，不同抑郁状态视觉行为特征及抑郁症早期识别方法研究，主持

² 北京市自然科学基金青年项目，4164080，用户网上视觉行为模式及大脑信息加工机制的跨龄研究，主持

² 北京市优秀人才培养资助项目，2014000020124G039，用户网上视觉行为模式及其识别方法研究，主持

² 国家自然基金委国际合作重点项目，61420106005，海量语义数据处理关键技术研究，主要参与人

荣誉和获奖

² 2018年获国家技术发明二等奖（第四完成人，项目名称：心理生理信息感知关键技术及应用）

² 2022年，获第九届全国高校电工电子基础课程实验教学案例设计竞赛华北赛区二等奖

² 2021年，获第七届中国国际“互联网+”创新创业大赛北京赛区二等奖

² 2018-2020年，被评为校级优秀硕士论文指导教师

² 2018-2019年，被评为北京工业大学优秀教师

² 2018年，被评为北京工业大学“立德树人”优秀班主任

² 2017年，入选“日新人才”培养计划

² 2015年，入选北京市委组织部优秀人才培养计划

² 2014年，获得辽宁省自然科学学术成果奖三等奖

代表性研究成果

² 代表性成果一：情感带宽的概念及其测量方法

针对情感研究方面长期处于定性刻画，缺少定量研究的问题，提出了“情感带宽”的概念以及测量方法。该方法不仅能够定量地刻画人类情感感知和情绪信息加工能力，而且能够定量解释了抑郁症患者情感损伤和情绪调节能力不足的原因。情感带宽技术已获得美国发明专利和中国发明专利授权。同时，研制了第一台情感带宽心理状态测试仪，实现了抑郁障碍有效量化评估。成果鉴定专家组认为：提出的基于“情感带宽”的针对个体情感反应异常程度的有效量化分析方法处于国际先进水平。该项成果作为主要完成人，获得了2018年国家技术发明二等奖。

² 代表性成果二：基于瞳孔波和VR智能精神健康检查评估方法与系统

随着社会的发展，精神健康越来越受到人们的重视，2020年9月国家卫健委印发《探索抑郁症防治特色服务工作方案》。方案明确了六项任务，其中就包括提高早期诊断和规范治疗能力。而抑郁症的早期诊断非常困难，需要专业并有一定经验的精神专科医生进行诊断。而目前国内的专业精神科医生数量还不能满足抑郁早期的诊断需求。

针对以上问题，在已有情感带宽理论研究的基础上，首次使用能够直接表征情绪状态的生理信号--瞳孔波作为抑郁、焦虑和压力风险水平评估信号，自主研发了一种基于瞳孔波和深度学习技术的精神健康检查评估方法及装置。为了使其能够区分不同抑郁、焦虑和压力风险水平，使用了虚拟现实情绪场景诱发参试者的情绪体验，同时以平静瞳孔波为基线分别构建了不同情绪的差异波，并提出了一种双通道融合的抑郁和焦虑风险水平评估模型。该团队自主研发的《基于瞳孔波和虚拟现实场景的智能精神健康检查评估系统》项目核心技术被北京市科委和自然科学基金委作为代表性“基金成果”进行报道，同时还受到《北京卫视》、《都市晚高峰》、《北京时间》、《京视角》和《现代教育报》等多家媒体的关注和报道。

主要论文论著

[1] Mi Li*, Jinyu Zhang, Jie Song, Zijian Li, Shengfu Lu, A Clinical-Oriented Non Severe Depression Diagnosis Method Based on Cognitive Behavior of Emotional Conflict. IEEE Transactions on Computational Social Systems, 2022. (DOI 10.1109/TCSS.2022.3152091, SCI).

[2] Mi Li, Wei Zhang, Bin Hu, Jiaming Kang, Yuqi Wang, Shengfu Lu, Automatic Assessment of Depression and Anxiety through Encoding Pupil-wave from HCI in VR Scenes, ACM Transactions on Multimedia Computing Communications and Applications, 2022. (DOI: http://dx.doi.org/10.1145/3513263, SCI).

[3] Mi Li, Jinyu Zhang, Qian Zhai, Jiaming Kang, Shengfu Lu and Jian Yang. Automated Recognition of Depression from Fewer-shot Leaning in Resting-state fMRI with ReHo Using Deep Convolutional Neural Network. Journal of Mechanics in Medicine and Biology, 21(8), 2021. (SCI)

[4] Shengfu Lu, Xin Shi, Mi Li*, Jinan Jiao, Lei Feng and Gang Wang. Semi-supervised random forest regression model based on co-training and grouping with information entropy for evaluation of depression symptoms severity. Mathematical Biosciences and Engineering. 18(4): 4586-4602, 2021. (SCI)

[5] Mi Li, Huan Chen, Xin Shi, Ming Zhang, Shengfu Lu. A multi-information fusion “triple variables with iteration” inertia weight PSO algorithm and its application. Applied Soft Computing, 2019, 84: 105677. (SCI)