近日，全球生物信息學領域的旗艦會議IEEE BIBM 2024 (CCF-B)于12月3日至6日在葡萄牙里斯本成功召開。我院有兩篇論文被該會議接收，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，通訊作者彭博教授）。該論文提出了一種聯合單模態監督與對比學習的多模態方法（USCL），用于解決肥厚型心肌病和心肌淀粉樣變的誤診問題。通過該方法，能夠有效地區分和診斷這兩種心臟病，并且在小樣本數據上表現出優異的性能，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，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。其中模型通過選擇與圖表征最相關的模體來在高層次上表示圖，并構建關鍵節點擴展子圖以過濾掉不相關的節點。通過與最近提出的單模態神經網絡模型和多模態方法進行比較，實驗表明本文提出的模型在分子性質預測任務上實現了最先進的性能。此次研究得到了課題組、學院以及會議方的共同資助，王泓淏同學赴葡萄牙參與會議并展示該研究成果。
IEEE BIBM是生物信息學和生物醫學領域的頂級國際會議之一，致力于推動生物信息學方法、計算生物學和生物醫學數據分析等領域的學術研究和技術創新。此次會議共收到1627篇投稿論文，最終錄用358篇Regular Paper，錄用率為22%。
此次會議的成功參與，不僅展示了我院在生物信息學領域的科研實力，也標志著我院師生在推動生物醫學技術進步方面的重大貢獻。計算機與軟件學院將繼續致力于推動科研創新，深化學術交流，培養更多優秀的科研人才。
