ku111net议时间：2023年3月22日（周三）15:30—17:00
参ku111net人员：信息科学与工程学院科研团队全体教师，欢迎广大师生参加。
ku111net议地点: 理工楼2120
报告1：基于自然语义增强的环状RNA与疾病关联预测研究
报告人：王磊
报告时间：15:30-16:15
内容简介：越来越多的证据表明，环状RNA作为最有前途的新兴生物标志物之一，与疾病有着非常密切的关系。探讨环状RNA与疾病的关联可为疾病的诊断和发病机制提供新的思路。然而，现有的环状RNA疾病关联预测方法通常对数据属性一视同仁，没有特别关注影响更显著的属性，也没有充分利用属性之间的相关性和共生性来挖掘数据潜在的语义信息。因此，针对上述问题，本研究提出了一种基于自然语义增强的计算模型来预测环状RNA与疾病之间的关联。在金标准数据集中，所提模型取得了92.49%的预测准确率和0.9225的AUC。这些结果表明，所提模型是预测环状RNA与疾病关联的有效方法，可以为后续的生物学实验提供高度可靠的候选者，从而显著缩小研究范围。
报告2：通过互补和选择性学习进行RGB-D显著性检测
报告人：孙晓飞
报告时间：16:15-17:00
内容简介：使用一个新的精确RGB-D显著性检测框架，选择性地融合来自两种模态不同分辨率的特征，以合理利用全局位置和局部细节互补性。深度图中的错误、缺失区域以及沿物体边界的随机分布将引入负面影响。因此，使用一个主干网络和一个边缘检测模块，使用注意力机制从RGB图像和深度图中选择有用的表示，并有效地集成来自两种模态的宏观和微观特征。通过跨模态选择性融合和补充实现显著对象的精确位置和细节。通过一个三重损失函数来提高网络对难样本检测的可信度。对六个基准数据集进行的广泛定量和定性评估实验，表明其具有优越的性能。
科技处
信息科学与工程学院
2023年3月22日
检索
鲁公安网备37040002002001号