（供稿 信息科學(xué)與工程學(xué)院）2月27日，校定SCI-TOP期刊IEEE Transactions on Neural Networks and Learning Systems（IEEE TNNLS，IF=10.2）在線發(fā)表了我校信息科學(xué)與工程學(xué)院2022級(jí)計(jì)算機(jī)科學(xué)與技術(shù)本科生王瓊同學(xué)（第一作者）和畢夏安教授、徐露允副教授、劉仲華院士等人合作的學(xué)術(shù)論文“CPST-GAN: Conditional Probabilistic State Transition Generative Adversarial Network with the Biomedical Large Foundation Models”。

阿爾茨海默?。ˋD）的風(fēng)險(xiǎn)預(yù)測(cè)對(duì)其早期預(yù)防和治療至關(guān)重要。然而，目前的風(fēng)險(xiǎn)預(yù)測(cè)方法在有效提取和融合多組學(xué)特征方面面臨挑戰(zhàn)，特別是忽視了AD的多層次演化機(jī)制。這篇論文將生物醫(yī)學(xué)大型基礎(chǔ)模型與條件生成對(duì)抗網(wǎng)絡(luò)相結(jié)合，通過從基因調(diào)控腦區(qū)病變的角度挖掘AD的演化模式，為AD的早期風(fēng)險(xiǎn)預(yù)警提供了可靠的智能算法，也為理解AD發(fā)病機(jī)制提供了新的見解。

我校畢夏安教授、徐露允副教授、劉仲華院士為本文的共同通訊作者。

論文鏈接：https://ieeexplore.ieee.org/document/10906630

編輯：黃依依

責(zé)編：馬鐵泉

審核：陳麗榮