近日，全球生物信息學(xué)領(lǐng)域的旗艦會(huì)議IEEE BIBM 2024 (CCF-B)于12月3日至6日在葡萄牙里斯本成功召開(kāi)。我院有兩篇論文被該會(huì)議接收，其中一篇為《Discrimination and Diagnosis of Hypertrophic Cardiomyopathy and Cardiac Amyloidosis via Unimodal Supervision Joint Contrastive Learning》（第一作者李小鳳同學(xué)，通訊作者彭博教授）。該論文提出了一種聯(lián)合單模態(tài)監(jiān)督與對(duì)比學(xué)習(xí)的多模態(tài)方法（USCL），用于解決肥厚型心肌病和心肌淀粉樣變的誤診問(wèn)題。通過(guò)該方法，能夠有效地區(qū)分和診斷這兩種心臟病，并且在小樣本數(shù)據(jù)上表現(xiàn)出優(yōu)異的性能，為臨床診斷提供了新的思路。
另一篇題為《Enriching molecular graph representation via substructure learning》（第一作者王泓淏同學(xué)，通訊作者李平教授）。該論文提出了一種豐富分子圖表示的新方法MKGNN。其中模型通過(guò)選擇與圖表征最相關(guān)的模體來(lái)在高層次上表示圖，并構(gòu)建關(guān)鍵節(jié)點(diǎn)擴(kuò)展子圖以過(guò)濾掉不相關(guān)的節(jié)點(diǎn)。通過(guò)與最近提出的單模態(tài)神經(jīng)網(wǎng)絡(luò)模型和多模態(tài)方法進(jìn)行比較，實(shí)驗(yàn)表明本文提出的模型在分子性質(zhì)預(yù)測(cè)任務(wù)上實(shí)現(xiàn)了最先進(jìn)的性能。此次研究得到了課題組、學(xué)院以及會(huì)議方的共同資助，王泓淏同學(xué)赴葡萄牙參與會(huì)議并展示該研究成果。
IEEE BIBM是生物信息學(xué)和生物醫(yī)學(xué)領(lǐng)域的頂級(jí)國(guó)際會(huì)議之一，致力于推動(dòng)生物信息學(xué)方法、計(jì)算生物學(xué)和生物醫(yī)學(xué)數(shù)據(jù)分析等領(lǐng)域的學(xué)術(shù)研究和技術(shù)創(chuàng)新。此次會(huì)議共收到1627篇投稿論文，最終錄用358篇Regular Paper，錄用率為22%。
此次會(huì)議的成功參與，不僅展示了我院在生物信息學(xué)領(lǐng)域的科研實(shí)力，也標(biāo)志著我院師生在推動(dòng)生物醫(yī)學(xué)技術(shù)進(jìn)步方面的重大貢獻(xiàn)。計(jì)算機(jī)與軟件學(xué)院將繼續(xù)致力于推動(dòng)科研創(chuàng)新，深化學(xué)術(shù)交流，培養(yǎng)更多優(yōu)秀的科研人才。
