玄萍

个人简介

博士毕业于哈尔滨工业大学（泰晤士世界大学排名，第401到500之间）计算机科学技术学院，硕士生导师。2022年以前于黑龙江大学计算机学院任教授职位，2019年荣获黑龙江省级领军人才计算机应用技术学科的后备带头人称号。2022年下旬转职到汕头大学工学院计算机系任教授，并入选卓越人才计划。此外，作为TCBB、PCB、BIB等多个国际领域重要期刊的审稿人。

国外访学和工作经历

(1) 2015.02~2016.02，圣路易斯华盛顿大学（泰晤士世界大学排名第50位），美国，计算机科学和工程学院，访问学者

(2)2020.08~2021.08，千叶大学（泰晤士世界大学排名，第801到1000之间），日本，先进医学工程研究中心，客座教授

主持项目

先后主持并完成国家青年自然科学基金项目、黑龙江省自然科学基金面上项目、黑龙江省教育厅科学技术研究项目、中国博士后科学基金面上项目、哈尔滨市科技青年创新人才项目、黑龙江省高校基础科研青年科技创新团队项目等16项。目前正主持国家自然科学基金项目、汕头大学科研启动项目等，具有充足的研究经费。

发表论文

在国内外期刊和会议上共发表80余篇学术论文，其中包括中科院1区top期刊论文4篇，计算机科学技术领域top期刊论文4篇，中国计算机学会（CCF）推荐的B类国际期刊论文21篇等高水平论文（详细论文列表，请参见我的Google scholar）。以下仅列出近年发表的代表性论文：

2025年

(1) 第1作者. Neighborhood topology-aware knowledge graph learning and microbial preference inferring for drug-microbe association prediction. Journal of Chemical Information and Modeling, 2025. (中科院2区期刊，SCI影响因子: 5.7)

(2) 第1作者. Interactive multi-hypergraph inferring and channel-enhanced and attribute-enhanced learning for drug-related side effect prediction. Computers in Biology and Medicine, 2025. (中科院2区期刊，SCI影响因子: 7)

2024年

(3) 通讯作者. Evolving graph convolutional network with transformer for CT segmentation. Applied Soft Computing, 2024. (中科院1区top期刊，SCI影响因子: 7.2)

(4) 第1作者. Multi-view attribute learning and context relationship encoding enhanced segmentation of lung tumors from CT images. Computers in Biology and Medicine, 2024. (中科院2区期刊，SCI影响因子: 7)

2023年

(5) 第1作者. Multi-scale random walk driven adaptive graph neural network with dual-head neighboring node attention for CT segmentation. Applied Soft Computing, 2023. (中科院1区期刊，SCI影响因子: 6.725)

(6) 通讯作者. Topological structure and global features enhanced graph reasoning model for non-small cell lung cancer segmentation from CT. Physics in Medicine & Biology, 2023. (中科院2区期刊，SCI影响因子: 3.609)

2022年

(7) 第1作者. Learning multi-scale heterogeneous representations and global topology for drug-target interaction prediction. IEEE Journal of Biomedical and Health Informatics, 2022. (中科院1区top期刊，SCI影响因子: 7.021)

(8) 第1作者. Learning global dependencies and multi-semantics within heterogeneous graph for predicting disease-related lncRNAs. Briefings in Bioinformatics, 2022. (中国计算机学会推荐的B类国际期刊，SCI影响因子: 13.994)

(9) 第1作者. Convolutional bi-directional learning and spatial enhanced attentions for lung tumor segmentation. Computer Methods and Programs in Biomedicine, 2022. (中科院2区期刊，SCI影响因子: 5.428)

(10) 第1作者. Multi-type neighbors enhanced global topology and pairwise attribute learning for drug-protein interaction prediction. Briefings in Bioinformatics, 2022. (中国计算机学会推荐的B类国际期刊，SCI影响因子: 13.994)

(11) 第1作者. Graph based multi-scale neighboring topology deep learning for kidney and tumor segmentation. Physics in Medicine & Biology, 2022. (中科院2区期刊，SCI影响因子: 3.609)

(12) 第1作者. Fully connected autoencoder and convolutional neural network with attention-based method for inferring disease-related lncRNAs. Briefings in Bioinformatics, 2022. (中国计算机学会推荐的B类国际期刊，SCI影响因子: 13.994)

(13) 通讯作者. Learning multi-scale heterogenous network topologies and various pairwise attributes for drug-disease association prediction. Briefings in Bioinformatics, 2022. (中国计算机学会推荐的B类国际期刊，SCI影响因子: 13.994)

(14) 第1作者. GVDTI: graph convolutional and variational autoencoders with attribute-level attention for drug-protein interaction prediction. Briefings in Bioinformatics, 2022. (中国计算机学会推荐的B类国际期刊，SCI影响因子: 13.994)

(15) 通讯作者. Inferring drug-target interactions based on random walk and convolutional neural network. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2022. (中国计算机学会推荐的B类国际期刊，SCI影响因子: 3.016)

(16) 第1作者. Heterogeneous multi-scale neighbor topologies enhanced drug-disease association prediction. Briefings in Bioinformatics, 23(3), bbac123, 2022. (中国计算机学会推荐的B类国际期刊，SCI影响因子: 13.994)

(17) 第1作者. Semantic meta-path enhanced global and local topology learning for lncRNA-disease association prediction. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2022. (CCF推荐的B类国际期刊，SCI影响因子: 3.016)

(18) 第1作者. Integrating specific and common topologies of heterogeneous graphs and pairwise attributes for drug-related side effect prediction. Briefings in Bioinformatics, 2022. (中国计算机学会推荐的B类国际期刊，SCI影响因子: 13.994)

(19) 通讯作者. Prediction of drug-disease associations by integrating common topologies of heterogeneous networks and specific topologies of subnets. Briefings in Bioinformatics, 2022. (中国计算机学会推荐的B类国际期刊，SCI影响因子: 13.994)

2021年

(20) 第1作者.Dynamic graph convolutional autoencoder with node attribute-wise attention for kidney and tumor segmentation from CT volumes. Knowledge-based Systems, 2021.(中科院1区top期刊，SCI影响因子: 8.038)

(21) 第1作者. Graph convolutional autoencoder and fully-connected autoencoder with attention mechanism based method for predicting drug-disease associations. IEEE Journal of Biomedical and Health Informatics, 2021. (中科院1区top期刊，SCI影响因子: 7.021)

(22) 通讯作者. Graph convolutional autoencoder and generative adversarial network-based method for predicting drug-target interactions. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2020. (ESI高被引论文，CCF推荐的B类国际期刊，SCI影响因子: 3.016)

(23) 通讯作者. Prediction of drug-related diseases through integrating pairwise attributes and neighbor topological structures. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2021. (CCF推荐的B类国际期刊，SCI影响因子: 3.016)

(24) 第1作者. Integrating multi-scale neighbouring topologies and cross-modal similarities for drug-protein interaction prediction. Briefings in Bioinformatics, 2021. (CCF推荐的B类国际期刊，SCI影响因子: 13.994)

(25) 第1作者. Prediction of drug-target interactions based on network representation learning and ensemble learning. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2021. (CCF推荐的B类国际期刊，SCI影响因子: 3.016)

科研获奖

(1)玄萍（第3完成人），吴文俊人工智能科学技术奖（被誉为中国智能科学技术最高奖），自然科学类，二等奖；

(2)玄萍（第1完成人），黑龙江省科学技术奖，三等奖；

(3)玄萍（第1完成人），黑龙江省高校科学技术奖，二等奖。

指导学生业绩

(1)先前指导的多数硕士研究生均荣获国家级或校级奖学金；

(2)部分研究生毕业分别去了百度、京东、小米、平安保险等国内知名IT公司和企业；

(3)部分研究生去了天津大学、南开大学、吉林大学等国内知名学府，继续攻读博士研究生

国内外合作和交流

我们课题组与美国圣路易斯华盛顿大学（泰晤士世界大学排名第50位）的Zhang教授、日本千叶大学（泰晤士世界大学排名，第801到1000之间）的Nakaguchi教授、澳大利亚La Trobe大学（泰晤士世界大学排名，第251到300之间）的Cui博士，具有长期的合作和交流。对于具有科研热情和工作勤奋的同学，可以优先推荐到国外读博；对于有意在国内读博的同学，则优先推荐到哈尔滨工业大学、吉林大学、天津大学等国内知名学府~