小组介绍

实现生物医学大数据自动分析推理的核心之一是如何使计算机“理解”数据。因此，语义理解既是生物医学人工智能领域的重要科学问题，也是支撑临床诊疗中信息负载高、医生重复劳动强度大等重大应用需求的关键技术。基于生物医学大数据的多源、异构、领域知识依赖性强等特点，跨媒体医疗数据语义理解亟需突破统一语义表征、跨模态融合算法和领域知识自学习三个关键技术问题。

研究组多年来围绕上述三个关键技术问题，在多项国家及省部级项目支持下，系统化地构建了语义理解系统建模的理论与方法，并取得如下创新研究成果：1）针对跨媒体多元知识碎片化、语义难以统一等问题，建立大规模跨媒体生物医学知识图谱，使数据可处理；2）针对复杂医疗数据条件下的数据精准感知问题，研究潜在知识自动发现与知识图谱更新、以及知识引导的协同可解释推理算法，使算法可分析；3）以病理分析等临床需求为抓手，构建人机协同的综合智能推理系统，逐步建立可解释、可回溯、可泛化的诊疗决策支撑，使系统具备“可理解”能力。

目前小组研究方向报考：生物医学语义标准、跨模态数据的特征表达学习、基于深度学习的医学影像分析、人工智能病理诊断等。团队在ACL、AAAI、TMI、Bioinformatics、JMIR等顶级会议和期刊发表论文百余篇。团队承担多项国家及省部级重大科研任务并取得代表性科研成果，申请发明专利和软件著作五十余项。团队项目成果应用于国家卫健委、全国医疗信息化进程调研等重大工程和多级医疗机构日常诊断与科研中。2022年，团队获世界人工智能大会的最高奖项——卓越人工智能引领者。

小组组长

李辰，英国剑桥大学博士，美国麻省理工学院博士后，入选国家级青年人才和西安交通大学“青年拔尖人才计划”。西安交通大学教授，博士生导师。

李辰教授专注于医疗信息化和医疗健康人工智能研究，发表论文百余篇，授权国内国外专利30余项，主持多项国家及省部级项目。其主持研发的生物医学语义标准与系统曾被评为系统生物学领域最重要资源。自然杂志也曾经就该成果进行专访。迄今为止，有包括Nature子刊在内的超过200多个国际期刊支持该标准。欧盟也将该成果作为成功案例写入欧洲生物信息架构计划(ISBE)的方案书中。李辰教授带领团队多次在国际医学数据挖掘大赛上取得第一名，曾受国家卫健委委托，承担制定医疗健康人工智能评估体系等行业标准类项目。

小组成员

老 师：李辰、龚铁梁

博 士：和凯、李羽霏、娄沛良、吴佳伦、高泽宇、李扬、胡师尧、时江波、董裕欣、刘之博

研 三：黄裕城、张嘉伟、贾 昶、毛 冰

研 二：毛安钰、袁义和、王弋戈、唐璐斐

研 一：苏炜恒、王翔宇、刘佳帅、张宇琛

联系我们

联系人：李辰

Email：cli@mail.xjtu.edu.cn