论文名称
AMA-GCN:AdaptiveMulti-layerAggregationGraphConvolutionalNetworkforDiseasePrediction
表型对于医疗影像诊断会有负面影响，多图融合方法的参数随着表型的增加而变大，从而影响模型的效果。为了应对上述挑战，作者提出了一种新的相似性感知自适应校正多层聚合称GCN结构（AMA-GCN）,编码器根据表型数据的空间分布，自动选择适当的表型，并利用文本的相似性和边缘的感知机制计算节点之间的权重。编码器可以自动使用对环境有积极影响的策略构造表型图种群，并进一步融合多模式信息。此外，还提出了聚合机制，设计新颖的图多层卷积网络结构，可以在抑制的同时获得深层结构信息过度平滑，并在相同类型的节点之间增加相似性。
论文名称
LearningUnknownfromCorrelations:GraphNeuralNetworkforInter-novel-proteinInteractionPredict
现有PPI的预测在新的数据集上的表现并不好。蛋白质之间的相关性，例如，蛋白质A与B有相互作用，B与C有相互作用，那么A与C是相关的。基于以上分析，作者提出GNN-PPI框架充分探索蛋白质之间的相互作用（基于图的数据集划分），且将蛋白质之间的相关性纳入模型中，以提高蛋白质相互预测的效果。
论文名称
MedicalImageSegmentationusingSqueeze-and-ExpansionTransformers
医疗图像分割需要同时顾及全局信息和局部细节，现有方法（U-net等）抽取并融合多尺度信息，但依然只有很小的有效感受野。本文提出Segtran，基于transformers的分割框架，即使在高特征分辨率下也具有无限的有效感受野。此外，本文提出了一种新的基于transformers的位置编码方案，对图像施加连续性归纳偏置。
论文名称
MDNN:AMultimodalDeepNeuralNetworkforPredictingDrug-DrugInteractionEvents
现有方法很少