男，博士研究生，副教授，威尼斯欢乐娱人v3676计算机科学与技术系。
一、个人简介
郝小可，工学博士，威尼斯欢乐娱人v3676副教授，硕士生导师，校聘“元光学者”。 2017年获得南京航空航天大学博士学位，师从张道强教授（国家优青）；曾于2015年在美国印第安纳大学医学院进行访问学习，导师沈理教授（现在University of Pennsylvania宾夕法尼亚大学）。博士论文《基于机器学习的影像遗传学关联分析及其应用研究》获江苏省人工智能学会优秀博士学位论文（首届）。目前主要研究领域为机器学习、医学图像分析、生物信息学。
具体研究内容：
(1) 基于机器学习理论及应用；
(2) 生物医学图像计算及神经影像遗传学关联分析；
(3) 智能脑疾病辅助诊断模型的研究与开发。
与国内外多所高校及研究机构（其中包括医院和医学院）合作，主持国家自然科学基金1项、中科院自动化所模式识别国家重点实验室开放课题1项，并参与了多项国家级研究项目，在面向阿尔茨海默病（俗称老年痴呆）等其他脑疾病的智能分析中取得了一些研究成果。共发表学术论文20余篇，部分成果已在MedIA、Bioinformatics、Molecular Neurobiology、Neuroinformatics、IEEE/ACM TCBB、IEEE JBHI、 Scientific Reports、Journal of Alzheimer’s Disease、PLoS One、自动化学报、中国科学、模式识别与人工智能等重要期刊发表。以第一作者身份发表领域内权威国际会议论文4篇（包括MLMI2013、MICCAI2014、PSB2016、ISMB/ECCB2017），参加会议做口头报告和墙展报告，3次获得Travel Award；多次参加国内会议做特邀报告。目前担任中国图学学会大数据专业委员会委员、中国计算机学会青年科技论坛CCF YOCSEF天津副主席。
1.教育背景：
2015.01-2015.06：美国印第安纳大学，放射学与影像科学，访问学习；
2012.09-2017.07：南京航空航天大学，计算机科学与技术，工学博士；
2009.09-2012.06：南京信息工程大学，气象信息技术与安全，理学硕士；
2005.09-2009.06：南京信息工程大学，计算机科学与技术，工学学士；
2.工作经历：
2017.12-2020.11：威尼斯欢乐娱人v3676，讲师；
2020.12至今：威尼斯欢乐娱人v3676，副教授。
二、主要科研成果（近三年）：
1.主持或参加的科研项目
（1）国家自然科学基金面上项目，基于深度学习的心脏MR图像双心室量化方法研究（项目编号：61976241）,2020.01.06- 2023.12.30，主要参与人；
（2）国家自然科学基金青年项目，面向阿尔茨海默病的复杂数据关联分析与融合诊断方法研究（项目编号：61806071）, 2019.01.01-2021.12.31，项目负责人；
（3）中科院自动化所模式识别国家重点实验室开放课题，基于机器学习的多图谱脑影像分析（项目编号：201900043），2019.01.01-2020.12.31，项目负责人；
（4）教育部产教联合基金，面向解决复杂工程问题的物联网工程专业课程体系研究（项目编号：2018B01055），2019.05.01-2020.04.30，主要参与人(排名第三)；
（5）河北省社会科学基金青年项目，差序格局视角下家长式领导对组织宽容氛围影响机制研究（项目编号：HB18GL035），2018.06.01-2019.12.31，主要参与人(排名第三)；
（6） 国家自然科学基金面上项目，属性学习及其应用研究（项目编号: 61473149）, 2015.01.01-2018.12.31，主要参与人(排名第三)；
（7）国家自然科学基金优秀青年项目，脑影像智能计算（项目编号: 61422204）, 2015.01.01-2017.12.31,主要参与人。
2.主持或参加的科研奖励
（1）省级学会，江苏省人工智能学会优秀博士学位论文，2019年12月3日，排名第一；
（2）“挑战杯”全国大学生课外学术科技作品大赛三等奖，河北省特等奖，2019年，优秀指导教师，排名第一。
3.申请或取得专利
（1）发明专利，多模态脑部神经影像特征的处理方法:中国，CN109770932A[P]，2019.5.21，排名第三，已公开。
4.发表论文
近三年发表学术论文10余篇。代表性论文：
(1) Xiaoke Hao, Li Jie, Guo, Yingchun, Jiang Tao, Yu Ming. Hypergraph Neural Network for Skeleton-Based Action Recognition.IEEE Transactions on Image Processing, 2021, 30: 2263-2275. (SCI, Top期刊，IF:10.856, JCR: Q1)
(2) Xiaoke Hao, Yongjin Bao, Yingchun Guo, Ming Yu, Daoqiang Zhang, Shannon L. Risacher, Andrew J. Saykin, Xiaohui Yao, Li Shen. Multi-modal Neuroimaging Feature Selection with Consistent Metric Constraint for Diagnosis of Alzheimer’s Disease. Medical Image Analysis, 2020, 60 (101625): 1-13. (SCI, Top期刊，IF: 8.88, JCR: Q1)
(3) Meiling Wang, Wei Shao, Xiaoke Hao, Li Shen, and Daoqiang Zhang. Identify Consistent Cross-Modality Imaging Genetic Patterns via Discriminant Sparse Canonical Correlation Analysis. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2020 (In Press). (SCI, IF: 2.896, JCR: Q1, CCF推荐国际学术期刊B类)
(4) Xiaoke Hao, Xiaohui Yao, Shannon L. Risacher, Andrew J. Saykin, Li Shen, Daoqiang Zhang. Identifying Candidate Genetic Associations with MRI-derived AD-related ROI via Tree-guided Sparse Learning. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2019, 16(6):1986-1996. (SCI, IF: 2.896, JCR: Q1, CCF推荐国际学术期刊B类)
(5) Yingchun Guo, Kunpeng Zhao, Xiaoke Hao(通讯作者), Ming Yu. Deep Regression Neural Network for End-to-End Person Re-Identification. IEEE ACCESS, 2019, 92825-92837. (SCI, IF: 4.098, JCR: Q1)
(6) Meiling Wang, Xiaoke Hao(共同第一作者), Jiashuang Huang, Wei Shao, and Daoqiang Zhang. Discovering network phenotype between genetic risk factors and disease status via diagnosis-aligned multi-modality regression method in Alzheimer’s disease. Bioinformatics, 2019, 35 (11): 1948-1957. (SCI, Top期刊，IF: 4.531, JCR: Q1, CCF推荐国际学术期刊B类)
(7) Mingliang Wang, Xiaoke Hao, Jiashuang Huang, Kangcheng Wang, Xijia Xu, Daoqiang Zhang and Mingxia Liu. Hierarchical Structured Sparse Learning for Schizophrenia Identification. Neuroinformatics, 2019, Apr 23:1-15. (SCI, IF: 5.127, JCR: Q1)
(8) Qi Zhu, Ning Yuan, Jiashuang Huang, Xiaoke Hao, Daoqiang Zhang. Multi-modal AD classification via self-paced latent correlation analysis. Neurocomputing.2019, 355: 143-154. (SCI, IF: 4.072, JCR: Q1)
(9) Jiashuang Huang, Qi Zhu, Xiaoke Hao, Xiaomeng Shi, Shuzhan Gao, Xu Xijia, Daoqiang Zhang. Identifying Resting-state Multi-Frequency Biomarkers via Tree-Guided Group Sparse Learning for Schizophrenia Classification. IEEE Journal of Biomedical and Health Informatics, 2019, 23(1):342-350. (SCI, IF: 4.271, JCR: Q1)
(10) 张道强, 朱旗, 郝小可, 邵伟, 王明亮, 黄嘉爽, 黄硕. 脑影像智能分析. 中国科学：信息科学. 2018, 48 (5): 1-14. (CCF 推荐中文科技期刊A类)
(11) 郝小可, 李蝉秀, 严景文, 沈理, 张道强. 基于统计学习的影像遗传学方法综述. 自动化学报, 2018, 44 (1): 13-24. (EI, CCF 推荐中文科技期刊A类)
(12) Mingliang Wang, Xiaoke Hao, Jiashuang Huang, Kangcheng Wang, Xijia Xu, Daoqiang Zhang. Multi-Level Multi-Task Structured Sparse Learning for Diagnosis of Schizophrenia Disease. The 20th Medical Image Computing and Computer Assisted Intervention (MICCAI 2017): 46-54. Quebec, Canada, Sep. 10-14. (医学图像计算领域顶级国际会议)
(13) 李蝉秀, 郝小可, 张道强. 基于超网络的基因和脑影像关联分析. 模式识别与人工智能, 2017, 30 (9): 841- 849. (核心期刊, CCF 推荐中文科技期刊B类)
(14) Xiaoke Hao, Chanxiu Li, Jingwen Yan, Xiaohui Yao, Shannon L. Risacher, Andrew J. Saykin, Li Shen, Daoqiang Zhang. Identification of Associations between Genotypes and Longitudinal Phenotypes via Temporally-constrained Group Sparse Canonical Correlation Analysis. Bioinformatics, 2017, 33 (14): i341-i349. (SCI, Top期刊，IF: 4.531, JCR: Q1, CCF推荐国际学术期刊B类). The 25th Intelligent Systems for Molecular Biology/European Conference on Computational Biology (ISMB/ECCB 2017). Prague, Czech Republic, Jul. 21-25. (CCF B类会议，生物信息学领域顶级国际会议，录用率16.5%，口头报告, Travel Fellowship Award)
(15) Xiaoke Hao, Chanxiu Li, Lei Du, Xiaohui Yao, Jingwen Yan, Shannon L. Risacher, Andrew J. Saykin, Li Shen, Daoqiang Zhang. Mining Outcome-relevant Brain Imaging Genetic Associations via Three-way Sparse Canonical Correlation Analysis in Alzheimer’s Disease. Scientific Reports, 2017, 7: 44272. (SCI, IF: 4.011, JCR: Q1)
三、联系方式
地址：天津市北辰区西平道 5340 号 邮编：300401
电话：+86-022-60435902
邮箱：haoxiaoke@scse.hebut.edu.cn
图（a）在麻省理工学院Massachusetts Institute of Technology (MIT）与哈佛大学Harvard University共同举办的国际会议the 17th Medical Image Computing and Computer Assisted Intervention (MICCAI 2014)上做Teaser报告。
图（b）我们提出的基于机器学习的多模态神经影像遗传学关联分析模型及实验结果展示。