计算机所师生参加BIBM 2018
2018年12月3日至6日,IEEE国际生物信息学和生物医学会议(The IEEE International Conference on Bioinformatics and Biomedicine, 简称:BIBM 2018)在西班牙马德里召开,计算机所吕肖庆老师和研究生李昕等参加了此次会议。
计算机所师生在IEEE-BIBM会场合影(左起:刘熠涛、吕肖庆、李昕)
BIBM 是由IEEE举办的生物信息学和生物医学领域的重要国际会议,一直以来受到了国际学术界的广泛关注,每年召开一次,主要探讨与基因、蛋白质、药物分子和诊疗病历有关的生物信息、化学信息和医学信息技术的突破和发展。本次大会共有516 篇论文提交,录取了103篇oral regular和103篇oral-short。会议的论文报告及海报展示持续4天,包括3个受邀演讲,46场分会和24个工作研讨。
计算机所师生在BIBM 2018会议上共发表了2篇Oral Paper、1篇Poster Paper,分别针对药物-疾病因果关系、马库什分子式解析、黑色素瘤识别等进行了研究,并做了口头报告和海报展示。论文信息如下:
[1] Penghui Sun, Xiaoqing Lyu, Xin Li, Bei Wang, Xiaohan Yi, Zhi Tang. Understanding Markush Structures in Chemistry Documents with Deep Learning (Oral)
Markush 结构表示了生物、医药、化学文献中一类具有相似结构的药物,本文提出了一个分析Markush结构的完整方法,包括了基于深度学习的检测、Markush结构的识别和重建等三个部分。
李昕做论文口头报告
[2] Yitao Liu, Xiaoqing Lyu, Haihua Xie, Xiaotong Yan, Bei Wang, Zhi Tang A method for improving the reliability of causal inference from large-scale data in biomedicine
针对传统假设检验对于单一显著性水平的不稳定性,本文在分析并利用了药物-靶点-疾病等你多重关系的基础上,提出了基于约束的因果关系分析方法,借助于融合置信度算法在大规模药物、靶点、疾病数据集中取得了更为准确的因果判断。
[3] Wenhao Zhang, Liangcai Gao, Zhi Tang, Menglong Ran, Zhimiao Lin. A Benchmark for Automatic Acral Melanoma Preliminary Screening
本文提出了一个用于肢端黑色素瘤的大型皮肤镜图像数据集,有助于进一步研究肢端黑素瘤的识别,我们使用从传统技术到前沿深度学习的各种计算机视觉算法来解决识别任务,目前的准确率达到92.8%。
上一篇 下一篇