Yu-Ping Wang, Associate Professor, Tulane University

 

Director of Multiscale Bioimaging and Bioinformatics Laboratory

 

 

Title: Integration of Multiscale Brain Imaging and Genomics Data

 

 

Abstract:

 

In this talk, I will present our recent efforts on the development of sparse models for multi-scale and multi-modal genomic and image 

 

data integration and analysis. I will show how to use sparse group CCA model to correlate genomic and image data; how to design 

 

sparse models (e.g., collaborative low rank regression) for integrating genomic, imaging and protein-protein interaction networks; and 

 

how to develop a scaled Lp norm based sparse regression model for biomarker detection, leading to improved diagnosis of mental 

 

illnesses (e.g., schizophrenia).   

 

 

Brief Bio:

 

Dr. Yu-Ping Wang received the BS degree in applied mathematics from Tianjin University, China, in 1990, and the MS degree in 

 

computational mathematics and the PhD degree in communications and electronic systems from Xi’an Jiaotong University, China,

 

in 1993 and 1996, respectively. After his graduation, he had visiting positions at the Center for Wavelets, Approximation and 

 

Information Processing of the National University of Singapore and Washington University Medical School in St. Louis. From 

 

2000 to 2003, he worked as a senior research engineer at Perceptive Scientific Instruments, Inc., and then Advanced Digital Imaging

 

Research, LLC, Houston, Texas. In the fall of 2003, he returned to academia as an assistant professor of computer science and 

 

electrical engineering at the University of Missouri-Kansas City. He is currently an Associate Professor of Biomedical Engineering 

 

and Biostatistics & Bioinformatics at Tulane University School of Science and Engineering & School of Public Health and Tropical 

 

Medicine. He is also a member of Tulane Center of Bioinformatics and Genomics, Tulane Cancer Center and Tulane Neuroscience 

 

Program. His research interests have been computer vision, signal processing and machine learning with applications to biomedical 

 

imaging and bioinformatics, where he has about 150 peer reviewed publications. He has served on numerous program committees 

 

and NSF/NIH review panels, and served as editors for several journals such as J. of Neuroscience Methods.