大数据多方计算研究中心

潘威，硕士研究生，主要研究方向为十大慢病一体化主动健康知识工程

利用十大慢病临床指南、发表证据和多源异构高噪稀疏健康大数据，通过健康表征、语义分析和行为计算的人工智能算法体系，综合运用联邦学习、深度学习和非线性知识融合等方法构建十大慢病关联知识图谱。通过自学习、超强学习和靶向学习等因果学习算法，消去假关联边和节点，在关联知识图谱的基础上构建遵循医学证据的因果知识图谱。在大数据背景下，此项研究可以帮助医生提供临床诊断辅助系统，改善临床预测，增强临床决策，推进精准医疗。

王以辉，硕士研究生，研究方向：基于小样本深度学习、图神经网络的因果知识推理图谱

知识图谱（Knowledge Graph）以结构化的形式描述客观时间中概念、实体及其关系，将互联网的信息表达成更接近人类认识世界的形式，基于小样本深度学习的因果知识推理图谱，将因果推理判断与深度学习融入其中，结合图神经网络，利用健康医疗大数据建立智慧医疗服务系统，实现医疗信息系统与医疗过程的智能化辅助与自动化处理，实现医疗业务流程的数字化运作，实现患者与医务人员、医疗机构、 医疗设备之间的互动。

张琪，硕士研究生，主要研究方向：

1.与医学知识相结合的十大慢病知识图谱的构建以及基于知识图谱的预测预警干预等研究。

2.基于分子对接、图神经网络、对抗网络及深度可解释性神经网络等方法的药物重定位研究。

仉率杰，硕士研究生，主要研究方向为基于多任务学习、迁移学习以及元学习的十大慢病预测预警分析，构建十大慢病一体化在线动态深度预测预警模型池，实现报警、风险演化和风险预警可视化；基于强化学习及贝叶斯网络的深度因果学习，构建精准医学个性化效应评价方法。肺癌、胃癌、食管癌、结直肠癌、肝癌、高血压、糖尿病、脑卒中、冠心病、重症精神病这十大慢病，占全人群疾病总负担40%以上。在大数据背景下，利用深度学习算法可以帮助医生提供临床诊断辅助系统，改善临床预测，增强临床决策，推进精准医疗。