时间：2025年05月10日(周六) 09: 00
地点：望江校区基础教学楼B座318实验室
分享者：甘霖、杨璐歌
Part 1
分享者：甘霖
分享内容：
[1] Ding Y, Zhang S, Tang C, et al. Masa-tcn: Multi-anchor space-aware temporal convolutional neural networks for continuous and discrete eeg emotion recognition[J]. IEEE Journal of Biomedical and Health Informatics, 2024.
[2] Yuan Y, Chen Q, Pan X. DGRNA: a long-context RNA foundation model with bidirectional attention Mamba2[J]. bioRxiv, 2024: 2024.10. 31.621427.
论文简介：
[1] 脑电图 (EEG) 信号的情绪识别是生物医学研究的关键领域，其应用范围涵盖精神障碍调控和人机交互等诸多领域。论文探讨了脑电图情绪识别的两个基本方面：情绪状态的连续回归和情绪的离散分类。虽然分类方法已引起广泛关注，但回归方法的研究相对较少。为了弥补这一不足，论文提出了 MASA-TCN，这是一个新颖的统一模型，它利用时间卷积网络 (TCN) 的空间学习能力进行脑电图情绪回归和分类任务。其关键创新在于引入了空间感知时间层，使 TCN 能够捕捉脑电图电极之间的空间关系，从而增强其辨别细微情绪状态的能力。此外，论文设计了一个具有注意力融合的多锚点模块，使模型能够自适应地学习脑电图信号中的动态时间依赖关系。在两个公开数据集上的实验表明，MASA-TCN 在脑电图情绪回归和分类任务中均取得了优于当前最佳方法的结果。
[2] 核糖核酸 (RNA) 是一种重要的生物分子，具有多种功能，例如遗传信息传递、基因表达调控和细胞功能。近年来，测序技术的快速发展极大地增强了对 RNA 生物学和先进的 RNA 疗法的理解，从而产生了大量的 RNA 数据。数据驱动的方法，特别是无监督大型语言模型，已被用来自动隐藏这些 RNA 数据中的语义信息。当前的 RNA 大型语言模型主要基于 Transformer 架构，该架构无法有效处理长 RNA 序列，而 Mamba 架构可以有效降低 Transformer 相关的二次复杂度。在本研究中，论文基于双向 Mamba 提出了一个大型基础模型 DGRNA，该模型在 1 亿个 RNA 序列上进行训练，与现有的 RNA 语言模型相比，它在六个 RNA 下游任务中表现出色。
Part 2
分享者：杨璐歌
分享内容：
[1] Yu et al., “InclusiViz: Visual Analytics of Human Mobility Data for Understanding and Mitigating Urban Segregation,” in IEEE Transactions on Visualization and Computer Graphics, in press.
[2] Z. Deng et al., "TraSculptor: Visual Analytics for Enhanced Decision-Making in Road Traffic Planning," in IEEE Transactions on Visualization and Computer Graphics, doi: 10.1109/TVCG.2025.3532498.
论文简介：
[1] 城市隔离指人群在物理与社会层面的分隔，通常加剧城市内部的不平等，并激化社会经济与种族矛盾。尽管多数研究聚焦于居住空间，却常忽视人们在就业、社交与休闲等“活动空间”中的隔离现象。人类移动数据为分析更广泛的隔离模式（涵盖居住与活动空间）提供了新机遇，但现有方法在捕捉城市隔离的复杂性与局部细微差异上面临挑战。本研究提出 InclusiViz，一种支持多层次城市隔离分析的新型可视化分析系统，助力制定基于数据的精准干预策略。具体而言，我们开发了基于环境特征的深度学习模型以预测不同社会群体的移动模式，并结合可解释AI技术揭示这些特征如何影响隔离。该系统集成创新性可视化设计，使用户能够从宏观概览到细粒度细节探索隔离模式，并通过实时反馈评估城市规划干预措施的效果。我们通过定量评估验证了模型的准确性与效率，并借助两项案例研究与社会科学及城市规划专家的访谈，证明了系统的实用性，凸显其在引导城市规划朝向更具包容性城市发展的潜力。
[2] 城市道路网络的设计对交通状况具有显著影响，突显了科学化交通规划的重要性。交通规划专家依赖专业平台模拟交通系统，评估道路网络在不同修改状态下的效能。然而，一个普遍问题依然存在：现有多数交通规划平台在灵活交互路网结构与属性、以及在迭代规划过程中直观对比多状态方面效率不足。本文提出 TraSculptor，一种交互式规划决策系统。为开发TraSculptor，我们识别并解决了两个核心挑战：路网的交互式修改与多网络状态的直观对比。针对第一项挑战，我们构建了灵活交互机制，使专家能够在地图上便捷直接地修改路网。针对第二项挑战，我们设计了包含多状态历史树与路网状态矩阵的对比视图，以支持路网状态的直观比较。为评估TraSculptor，我们提供了一个展示布雷斯悖论（Braess’s paradox）的应用场景，邀请专家对苏福尔斯路网（Sioux Falls network）进行案例研究，并通过访谈收集专家反馈。
