由中國科學院沈陽自動化研究所副研究員叢楊設計的基于群稀疏約束的深度特征選擇模型，以Deep Sparse Feature Selection for Computer Aided Endoscopy Diagnosis為題，近期在Elsevier知名期刊Pattern Recognition上發表(DOI:10.1016/j.patcog.2014.09.010)，這也標志著沈陽自動化所在醫學影像分析研究方面取得新進展。

    面向實時醫學影像的計算機輔助病灶診斷問題，所提取的圖像特征往往維度較高、各特征維度間存在冗余和非相關信息，會對識別結果造成干擾，降低診斷的準確性。針對這一問題，沈陽自動化所副研究員叢楊設計了基于群稀疏約束的深度特征選擇模型。與傳統特征選擇模型不同的是，該模型在選取有效特征子集的同時，還為每一維特征賦予相應的權重，提高了算法的可擴展性，該方法不僅有效剔除了干擾特征對于診斷結果的影響，還提高了算法的執行效率。

    該成果也可用于數據挖掘和機器學習領域，解決因大數據所產生的高維特征冗余和干擾問題。該研究成果以Deep Sparse Feature Selection for Computer Aided Endoscopy Diagnosis為題，近期在Elsevier知名期刊Pattern Recognition上發表(DOI:10.1016/j.patcog.2014.09.010)。該研究獲得國家科技支撐計劃和國家自然科學基金的支持。Pattern Recognition 是模式識別領域最知名的2個國際期刊之一，5年平均影響因子 3.153。（機器人學研究室）