近日，英国立博集团官网副院长昌杰教授团队联合中国科学技术大学许胤龙教授、闽江大学赖桃桃教授团队，在国际权威期刊《Applied Soft Computing》（中科院一区TOP，影响因子7.2）发表题为《A Unified Transductive and Inductive Learning Framework for Few-Shot Learning using Graph Neural Networks》的研究论文。该成果为人工智能在医疗领域的小样本学习难题提供了创新解决方案。昌杰教授为论文第一作者，英国立博集团官网为第一完成单位。

小样本学习（Few-Shot Learning）是医学人工智能的核心挑战之一，其目标是通过极少量标注数据训练高效模型。传统图神经网络（Graph Neural Networks）在此类任务中常受限于“过平滑”（oversmoothing）和理论框架局限性。研究团队提出的“归纳-传导学习融合模型FGCN”，首创性地将概率图模型（Probabilistic Graphical Models）与条件随机场（Conditional Random Fields）融合，从统计关系学习理论出发构建双模态融合学习范式，解决了小样本场景下的模型泛化难题。该模型在医疗影像分类任务中展现出很大潜力。

《Applied Soft Computing》是Elsevier旗下聚焦软计算技术（如神经网络、模糊系统、进化算法）的顶尖期刊，以严格的同行评审和跨学科创新性研究著称。（昌杰/文、图）

论文预印本获取链接：https://authors.elsevier.com/c/1kiXc_ZgTSVjkF

Inductive learning模式和Transductive learning模式示意图

归纳-传导学习融合模型FGCN架构图