题 目：面向生物医学发现的可解释人工智能：从统计学习到知识图谱
时 间：2026年7月7日（星期二）15:00
主讲人：邱兴
地 点：出版大楼801
主办单位：人工智能学院
主讲人简介：邱兴，美国罗切斯特大学医学院生物统计与计算生物学系长聘正教授，兼任罗切斯特大学转化免疫学与传染病研究所计算生物学与生物信息学方向学术带头人。2004年获罗切斯特大学数学博士学位，博士阶段研究方向为随机倒向微分方程；2004年至2007年在罗切斯特大学生物统计与计算生物学系从事博士后研究，主要方向为微阵列数据分析与归一化方法。2007年起在该系任教，历任助理教授、副教授、正教授。长期从事生物统计、统计学习、计算生物学与医学人工智能交叉研究，重点关注高维生物医学数据分析、多组学数据整合、动态生物网络建模、医学影像分析以及AI驱动的科学发现。
讲座简介：
生物医学人工智能需要的不仅是黑箱预测。科学发现依赖于能够处理异质数据、整合多模态信息、表达生物学结构并产生可解释假设的模型。这使统计学习、动态建模、知识表示和科学智能之间形成了天然交叉。报告将介绍若干可解释生物医学人工智能研究案例，包括高维生物医学数据的降维与正则化预测、基于常微分方程的动态调控网络重构，以及个体化脑影像分析。报告还将介绍大型生物医学知识图谱iKraph，说明如何利用生物医学自然语言处理、实体标准化、关系抽取和概率语义推理，从PubMed文献中构建可计算的知识系统。这些案例展示了统计学习、知识图谱和人工智能如何共同支撑生物医学发现和药物再利用。
