报告名称：图数据挖掘及其在精准医学中的应用

报 告 人：马小科 教授

报告时间：2020年11月24日 14：30

报告地点：B5-204

报告人介绍：

马小科，1982年8月生于湖南邵阳。分别于2005年、2008年和2012年获得信息与计算科学理学学士、计算机软件与理论专业硕士、计算机应用技术博士学位。2012--2015年在美国爱荷华大学从医学数据挖掘、生物信息学博士后研究。2015年6月在西安电子科技大学从事科研与教学工作，2016年破格副教授，2017年被遴选为硕导，2018年被遴选为博导，2019年破格教授。

主要从事数据挖掘与机器学习、医学影像处理、生物信息学等领域的研究工作。在国际期刊IEEE TKDE、Pattern Recognition、Cell Stem Cell、Bioinformatics、PLoS Computational Biology等发表SCI检索的论文60多篇，其中第一作者/通信作者论文50余篇, CCF A 类期刊2篇、中科院一区5篇，CCF B类期刊20余篇、IEEE Trans长文5篇。Google Scholar统计引用2000余次，其中SCI引用700多次，被Physics Reports(影响因子：23.79)，Nature Genetics Review(影响因子：41.49)长篇引用。担任IEEE PAMI、TKDE 等10多个国际期刊的审稿人、CCF生物信息学专委会委员、CCF医学数据挖掘专委会委员等职务。

主持国家自然科学基金面上项目、青年基金、省自然科学基金等项目多项，参与国家自然科学基金重大、重点项目3项，获中国电子学会科技技术奖二等奖一项、陕西省优秀博士毕业论文奖、入选首届华山学者菁英人才计划。

报告简介：

图是描述自然与社会中复杂系统的有力工具，挖掘图模式对理解复杂系统结构和功能具有及其重要的意义。大数据时代，图数据挖掘引起了信息产业界的极大关注，已广泛用于商务管理、生产控制、市场分析、工程设计和科学探索等领域。以下一代测序技术为代表的高通量深度测序技术产生了海量的生物医学数据，促进了生物医学网络的蓬勃发展。报告涉及图模式建模、挖掘算法研究，包括图聚类、时序网络链路预测、时序网络动态图聚类、多层网络挖掘等相关问题，同时研究图数据挖掘在生物医学方面的应用。