出访人员名单（含领队）

吕航

出访国家（地区）

泰国曼谷

实际

出访时间

2026年7月4日

至2026年7月10日

实际往返路线（相关城市）

福州——厦门——曼谷——厦门——福州

出访任务

参加IEEE国际多媒体与博览会2026（IEEE International Conference on Multimedia and Expo   2026，IEEE ICME 2026）

出

访

成

果

报

告

我有幸赴泰国曼谷参加IEEE国际多媒体与博览会2026（IEEE International Conference on Multimedia and Expo   2026，简称IEEE ICME 2026），并完成论文海报展示与学术交流。IEEE ICME由IEEE电路与系统学会、通信学会、计算机学会和信号处理学会联合主办，是多媒体领域具有重要国际影响力的旗舰会议之一。会议聚焦多媒体内容分析、跨模态学习、生成式人工智能、视觉与语音处理、智慧医疗及多媒体系统等前沿方向，为来自高校、科研机构和产业界的专家学者提供了高水平的成果展示与交流平台。

我的论文题目为《Structure-enhanced Multimodal Medical   Concept Quantization for Medication Recommendation》（《面向药物推荐的结构增强多模态医学概念量化》）。该工作针对现有组合药物推荐方法通常为每个医学概念分配独立连续表示、参数与存储开销较大，以及仅依赖文本语义进行向量量化时容易产生“编码碰撞”的问题，提出了结构增强的多模态医学概念量化框架SCQMed。利用BioBERT提取医学概念的文本语义信息，并引入统一医学语言系统中的知识图谱结构，通过结构增强残差向量量化模型分别学习语义视图与结构视图的离散表示，再进行跨视图对齐，从而获得紧凑且具有临床区分能力的医学概念表示。在此基础上，模型进一步聚合诊断、操作和历史用药等纵向电子健康记录信息，实现准确、安全的组合药物推荐。实验结果表明，SCQMed在MIMIC-III和MIMIC-IV两个真实电子健康记录数据集上均取得了优于现有方法的性能，在提升Jaccard、F1和PRAUC等核心指标的同时，有效降低了编码碰撞与存储开销，验证了结构知识对医学概念离散表示学习的重要价值。

在论文海报展示与交流环节中，我围绕研究动机、模型框架、实验结果及典型案例进行了系统介绍，并与现场专家学者就医学知识图谱的构建方式、离散表示的可解释性、模型在不同电子健康记录数据集上的泛化能力进行了深入讨论。相关交流使我进一步认识到，医学概念量化不仅需要压缩表示空间，还应充分保留疾病、操作和药物之间的细粒度临床差异。同时，模型的安全性、可解释性与跨数据集鲁棒性也是后续研究中需要持续强化的重要方向。与会专家和同行提出的意见，为我后续完善模型设计、扩展多模态信息来源以及开展更充分的临床场景验证提供了有价值的参考。

会议期间，我还参加了多场专题报告、教程与研讨活动。通过与来自不同国家和地区的专家学者进行交流，我不仅拓宽了学术视野，也对生成式评估、跨模态对齐、生物医学信号建模及大模型高效适配等方向的最新进展形成了更系统的认识。

本次参加IEEE ICME 2026是我科研生涯中的一次重要经历。它不仅显著提升了我对国际前沿研究的理解与把握、深化学术交流和拓展研究思路，也对我在多模态人工智能与智慧医疗交叉领域的后续研究有所启发，为博士阶段后续科研工作的持续推进奠定了良好基础。

该团组已进行事后公示，并无异议。　　　　　　　　　　　　        （领队签字）

遵守外事纪律情况（含意见和建议等）：

严格遵守出访纪律。