杨文举，男，1993-08-16生，河北承德人，毕业于东北大学计算机科学与技术专业，获工学博士学位，2024年12月入职辽宁工程技术大学，现任辽宁工程技术大学软件学院校聘副教授、硕士生导师。
主要研究方向为医工交叉、医学影像智能计算，重点开展脑网络建模与神经性疾病诊断、多模态抑郁症识别、可解释深度学习等方面研究。近五年主持辽宁省自然科学基金博士科研启动项目、辽宁工程技术大学高层次人才引进科研启动经费，参与国家自然科学基金面上项目、国家重点研发计划项目及辽宁省重点专项等科研项目。近五年在Neural Networks、Computer Methods and Programs in Biomedicine等SCI期刊及ICONIP、MICCAI等国际会议发表多篇论文。
代表性成果 [1] Wenju Yang, Jiankang Liu, Peng Cao, Rongxin Zhu, Yang Wang, Jian K Liu, Fei Wang, Xizhe Zhang. Attention guided learnable time-domain filterbanks for speech depression detection，发表于Neural Networks。
《Neural Networks》是人工智能、神经网络与深度学习领域的综合类期刊（2023年被中科院收录为一区Top期刊），影响因子/JCR分区分别为9.657/Q1。
该研究面向语音抑郁检测任务，提出注意力引导的可学习时域滤波器方法，实现了从语音信号中自动提取抑郁相关声学特征，为抑郁症智能筛查提供了有效技术支撑。
[2] Wenju Yang, Guangqi Wen, Peng Cao, Jinzhu Yang, Osmar R Zaiane. Collaborative learning of graph generation, clustering and classification for brain networks diagnosis，发表于Computer Methods and Programs in Biomedicine。
《Computer Methods and Programs in Biomedicine》是生物医学计算、医学信息学与医学人工智能领域的综合类期刊（2025年中科院收录为二区Top期刊），影响因子/JCR分区分别为7.027/Q1。
该研究面向脑网络辅助诊断问题，提出图生成、图聚类与图分类协同学习方法，为脑网络建模和神经性疾病智能诊断提供了新的技术思路。
[3] Wenju Yang, Peng Cao, Yang Wang, Jie Yang, Fei Wang. DisNet: Learning interpretable depression representations in speech，发表于Neural Networks。
《Neural Networks》是人工智能、神经网络与深度学习领域的综合类期刊（2025年被中科院收录为二区Top期刊），影响因子/JCR分区分别为7.5/Q1。
该研究面向语音抑郁识别的可解释建模问题，提出DisNet模型，能够学习具有解释性的抑郁语音表征，为提升抑郁症智能识别效果提供了新方法。
[4] Wenju Yang, LeYang Li, Yong Hao, Peng Cao, Osmar R Zaiane. Optimizing Learnable Frequency-Domain Filterbanks for Depression Detection via Speech Representation Disentanglement，发表于International Conference on Neural Information Processing。
International Conference on Neural Information Processing简介：该会议是神经信息处理、人工智能与机器学习领域的重要国际会议，该成果发表于 ICONIP 2024，会议级别为CCF C。
该研究面向语音抑郁检测中的频域特征学习问题，通过语音表征解耦优化可学习频域滤波器，提升了模型对抑郁相关语音特征的捕捉能力。
[5] Zhihao Wang, Wenju Yang, Peng Cao, Fei Wang, Osmar R Zaiane. Interpretable modeling of multi-scale temporal patterns in depressive speech，发表于International Conference on Neural Information Processing。
International Conference on Neural Information Processing简介：该会议是神经信息处理、人工智能与机器学习领域的重要国际会议，该成果发表于 ICONIP 2025，会议级别为CCF C。
该研究聚焦抑郁语音中的多尺度时序模式建模，探索不同时间尺度下的抑郁相关声学特征，为抑郁语音智能分析和可解释建模提供了有益参考。
