统计学院获批国家自然科学基金项目6项

2025年8月27日，国家自然科学基金委员会正式公布了2025年国家自然科学基金集中接收申请项目的评审结果。统计学院范新妍、韩雨泽、李扬、许王莉、周峰、周静6位教师申报的项目获批立项，具体立项信息详见下文。

立项信息

范新妍  中国人民大学统计学院副教授

项目类别：面上项目

项目名称：在线健康语料的网络建模与结构分析

项目简介：在线健康语料是重要的医疗大数据资源，具有混杂性、层次性、多源性和时变性，给传统网络分析方法带来巨大挑战。针对在线语料的独特属性，该项目将进行以下四方面的研究：一是基于网络连接差异提出带惩罚的混合聚点模型，对发帖与节点词进行双重聚类分析，多角度研究在线语料的内在结构以应对混杂性；二是研究针对节点词社区的带权树状图，并通过惩罚方式估计语义网络简洁的层次结构；三是融合多源语料基于潜空间模型研究多层网络间的局部相似性，分析平台间信息流动与疾病间相互关系；四是基于网络自回归模型融合节点特征，进行动态语义网络研究，探究疾病认知的动态演化过程。经过系统性分析，本项目旨在挖掘在线健康平台语料的深层规律，以期为优化在线健康干预策略、提升医疗服务质量等健康管理实践提供理论参考。

 

李扬  中国人民大学统计学院教授

项目类别：面上项目

项目名称：网络结构数据的因果推断研究

项目简介：研究对象间网络结构关系的存在违背了传统研究中的个体独立假设，为因果推断研究在复杂场景下的科学性和有效性带来挑战。本项目以构建网络结构数据的因果推断分析体系为目标，围绕两方面展开探索：第一，在“试验性评估模式”下，立足随机分配的合理性和经济性需求，分别讨论针对网络结构数据的协变量平衡设计和响应变量自适应设计，构建与之相对应的效应检验流程；第二，在“观察性评估模式”下，遵循模型驱动和不依赖模型的效应估计思路，分别构建考虑网络结构的潜在响应变量预测模型及分布平衡加权调整策略。本项目在方法研究的基础上探索评估辅助工具，为研究者构建理论齐备并具可操作性的网络结构数据因果推断分析体系。

 

许王莉  中国人民大学统计学院教授

项目类别：面上项目

项目名称：高维复杂数据的分布检验理论与应用研究

项目简介：本项目致力于在弱化条件下研究高维复杂数据的检验以及非欧空间数据分布检验，旨在提升检验的有效性和适用范围。

 

周峰  中国人民大学统计学院讲师

项目类别：面上项目

项目名称：多模态深度点过程的关键技术研究

项目简介：点过程是一种重要的随机过程模型，用于建模事件发生模式。随着深度学习的兴起，传统的统计点过程逐渐演化为深度点过程，具备了更强的表达能力。然而，目前的深度点过程主要处理简单的事件时间和类型信息，尚不能有效处理和生成多模态事件数据。这主要源于多模态深度点过程在数据融合、高效建模及训练优化等方面的多重挑战。本项目将以多模态深度点过程为研究对象，聚焦于以下三个研究方向：（1）多模态深度点过程的数据融合；（2）多模态深度点过程的超长序列建模；（3）多模态深度点过程的训练优化。旨在开发一整套针对多模态深度点过程的数据处理、建模及训练系统，推动深度点过程在多模态数据场景下的广泛应用。

 

 

周静  中国人民大学统计学院副教授

项目类别：面上项目

项目名称：大规模CT影像数据驱动的早期肺癌精准诊断模型构建与应用研究

项目简介：肺癌作为我国恶性肿瘤负担之首，早期CT影像表现为肺结节，其精准诊疗关乎健康中国2030目标实现。当前仍面临三大数据挑战：标注资源稀缺性，导致监督学习依赖高成本专家标注；时序动态复杂性，导致基于多次随访CT的结节进展评估依赖主观经验，缺乏量化指标；多模态异构性，单一CT影像覆盖的诊断信息有限，在与文本、生化指标等多源信息整合时，导致维数灾难。上述挑战的解决将实现早期肺结节识别、进展评估和病理类型预测三大重要任务。为此，本项目开展以下四项研究：1）构建基于低质量标注数据的多实例学习框架用于肺结节识别，降低标注成本。2）构建基于成对CT图像的检验统计量，客观评估肺结节的进展。3）构建基于多模态数据的肺结节病理预测模型并设计多头逐步注意力机制进行特征选择。4）探索“数据-模型-平台”三位一体早期肺癌线上辅助诊断平台的构建，有望通过卫健委试点医院验证。研究成果为医学影像大数据治理提供方法论创新。

 

 

韩雨泽  中国人民大学统计学院讲师

项目类别：青年科学基金项目

项目名称：随机最小最大优化问题中一阶算法的渐近统计理论

项目简介：随机最小最大优化问题因其对抗性结构，在生成对抗网络、博弈论和约束优化等领域应用广泛。针对高维度、大规模流数据，一阶算法凭借低计算和存储成本以及在线适应性强的优势，成为求解此类问题的主流方法。为更精确刻画近似解的不确定性，构建一阶算法的渐近统计理论成为近年研究热点。然而，现有研究仍存在诸多局限，如对强凸-强凹假设的依赖、对抗性结构的忽视以及复杂样本随机性刻画不足。本项目将围绕随机最小最大优化问题，系统研究一阶算法的渐近统计理论。