澳門理工大學計算機應用技術博士學位課程研究團隊提出了能夠緩解數據集不足，同時具備分類可解釋性的參數化生成對抗網路。該研究由學生熊祥宇在檀韜副教授的指導下完成。於國際會議《IE EE ICASSP》發表學術研究論文《A Parameterized Generative Adversarial Network Using Cyclic Projection for Explainable Medical Image Classifications》，為澳門人工智慧乳癌診斷作科研支持。
《IEEE ICASSP: International Conference on Acoustics, Speech and Signal Processing》是IEEE聲學、語音和訊號處理國際會議 該會議是世界上最大、最全面的技術會議，專注於訊號處理及其應用，是中國計算機學會（CCF）推薦B類會議。ICASSP 2024由IEEE訊號處理協會主辦，時間為今年4月14日至19日，會議地點在韓國首爾。
目前圖像生成在人工智慧領域迅速發展，在數據集不足和網路過擬合的情況下極具研究價值。研究成果通過在高維空間中引入投影距離參數，控制跨域生成樣本的變化程度，通過與超平面投影做差產生類別差異圖。團隊所研發的網路不僅增加了生成圖像的多樣性，提高了分類的AUC指標，也為人工智慧分類的可解性研究提供了新的想法。