大会特邀报告 报告者1： 戴道清（中山大学） 报告题目： 面向疾病的数据分析集成策略 随着技术的进步，海量数据正在快速产生，这使得利用信息集成和建模解决复杂问题成为可能。精准医疗利用基因组、蛋白质组等组学数据及影像数据，可用于研究复杂疾病在不同层面上的遗传机制，从而精确寻找疾病的产生原因和治疗的靶点所在。 图1 精准医疗涉及不同类型的数据和计算机方法 报告首先从盲人摸象的典故引入数据集成的必要性，并介绍医学数据的特性对集成的影响。接着，引出了集成计算的若干挑战，如维度诅咒、数据异质性、数据缺失、可伸缩性问题等。然后，从数据特性、使用方法、 »
大会特邀报告 报告者1： ZhangAidong（弗吉尼亚大学） 报告题目： Meta Learning for Cancer Prediction 来自维吉尼亚大学的ZhangAidong教授带来了为题“Meta Learning for Cancer Prediction”的精彩报告。报告主要针对癌症预测中部分癌症类别存在数据样本少的问题，如何使深度学习在少量癌症样本上也能表现高性能。Zhang教授使用Meta-learning的模型，先在所有癌症样本数据上进行训练，学习相关数据（其他癌症样本）的先验知识，再使用少量的指定癌症类别的样本对模型进行微调，使得模型在样本量少的癌症类别也有较高表现。 »