（图 蔡心锐、余敏 / 文 蔡心锐、王健吉）本网消息，2026年4月14日，nba买球推荐"启明星"讲坛第29期讲座在10305教室顺利举行。本期讲坛分上、下午两场进行，上午特邀成都信息工程大学乔少杰教授作专题学术讲座，下午由线人1973电影免费在线观看青年博士罗旭老师及2025级研究生蔡心锐、陈俊川同学依次进行学术汇报。2025级全体研究生到场参与此次学术交流活动。
乔少杰教授是四川省杰出青年基金获得者、四川省学术和技术带头人后备人选，现任四川省重点实验室（软件自动生成与智能服务）副主任，主持国家自然科学基金项目3项、省部级以上项目20余项，在IEEE/ACM Transactions等高水平期刊发表论文160余篇。乔教授长期从事人工智能数据库领域研究，其研究工作立足粒计算理论基础，将多粒度数据分析思想引入数据库优化领域，逐步形成了从理论方法到工程应用的技术路线。本次讲座中提到的学习型数据库与粒球计算方法，正是其团队在“人工智能赋能关系型数据库优化技术”方向上的最新探索，为数据库智能化优化提供了新的研究思路。
在讲座中，乔教授重点介绍了粒球计算驱动的智能数据库技术。针对传统学习型数据库基数估计方法存在的局限，如过于关注SQL 查询本身、忽视物理实现过程，侧重基数估计而忽略算子代价估计，以及对字符串类型谓词处理能力不足等问题，乔教授团队提出了粒球驱动的基数估计模型。该模型通过数据预处理、粒球生成与优化以及Tree-GRU估计器构建等步骤，实现了对查询结果规模的更精准预测。相比传统机器学习方法，粒球计算能够通过“纯度”划分更好地刻画数据内在联系，具有较强的可解释性和较高的计算效率。
在下午的报告中，罗旭博士结合临床实际需求，重点介绍了人工智能在肿瘤诊断与治疗中的多项研究进展。在诊断方面，针对多病灶肺癌来源判别问题，提出了一种基于多模态数据融合的智能模型，通过对比学习实现CT影像与基因数据的特征对齐，并结合掩码Transformer结构，有效解决了实际医疗场景中模态缺失的问题，从而提升诊断准确性。在胃癌研究中，基于多重荧光免疫染色数据，构建了异构图神经网络模型，实现患者分子分型与生存风险分析，为肿瘤免疫微环境研究提供了新的技术手段。
在治疗方向，罗博士进一步介绍了融合生物先验知识的直肠癌疗效预测模型，以及面向临床应用的肿瘤自适应放疗关键技术。相关研究通过引入图神经网络与功能影像信息，实现了放疗过程中的个体化优化与动态调整，有效提升治疗效率与精准性。此外，其团队还在医学影像分割、剂量预测及数据泛化等关键问题上开展了系统研究，为智能放疗技术的落地提供了重要支撑。
蔡心锐同学聚焦于掺杂石榴石近红外荧光粉的智能发现与性能优化问题。针对近红外荧光材料在生物医学成像、农业检测、光通信等领域具有广阔应用前景，但石榴石体系成分复杂、实验试错成本高、可用数据极其有限等挑战，他介绍了基于半监督协同训练思想构建的机器学习方法。该方法结合支持向量回归与核岭回归模型，借助化学先验知识扩展未标记样本，并通过高置信度伪标签机制提升模型的预测精度与泛化能力。在此基础上，研究进一步结合SHAP可解释性分析，揭示了影响发射峰值波长的重要化学特征，为新材料筛选提供了明确依据。
陈俊川同学则围绕静息态功能性磁共振成像数据的多域建模与疾病分类展开汇报。针对传统方法难以同时刻画fMRI数据在空间、时间和频率域中的复杂关联这一问题，他介绍了所提出的时空频率图神经网络（STFreqGNN）模型。该方法基于变压器式框架，对跨空间、时间与频率的动态异构图进行统一建模，并通过结构导向模块增强不同域内的知识聚合能力。其中，插件式图神经网络用于空间域脑区关系建模，循环模块用于时间窗口特征聚合，跨域掩码自注意力机制则有效抑制冗余信息干扰，实现了面向特定疾病的高效特征学习。实验结果表明，该方法在公开数据集和内部数据集上的分类性能均优于多种现有先进方法，同时兼顾了多域分析过程中的可解释性。
