近日，我院智能医学与生物识别实验室在the 34th ACM International Conference on Multimedia（ACM MM 2026）上发表了题为“SemHyperSurv: A Hierarchical Semantics-guided Hypergraph Framework for Whole Slide Images based Survival Prediction”的学术论文。该论文的第一署名单位为太原理工大学，数学学院讲师张嘉楠与计算机科学与技术学院（大数据学院）硕士生张珊为共同第一作者，人工智能学院刘雪宇副教授与吴永飞副教授为共同通讯作者，大连理工大学软件学院陈俊鑫教授与太原理工大学计算机科学与技术学院（大数据学院）魏明强教授参与了此项工作。

ACM MM（ACM International Conference on Multimedia）是多媒体计算与人工智能领域最具影响力的顶级国际会议之一，被中国计算机学会评选为CCF-A类国际顶会。自1993年创办以来，ACM MM一直是全球多媒体研究者发布前沿成果、交流学术思想以及推动产业创新的重要平台，在学术界和工业界均享有广泛影响力。会议聚焦多媒体与多模态人工智能领域的前沿理论、关键技术和创新应用，涵盖多模态融合、生成式人工智能与基础模型、视觉与语言理解、多媒体检索与推荐、多媒体推理、可解释与可信多媒体、情感与社会信号分析、沉浸式与具身多媒体、人机交互以及多媒体系统等多个核心方向，旨在展示和推动图像、文本、音频、视频等多源信息协同建模与智能分析领域的理论突破、算法创新和应用进展。ACM MM 2026将于11月10日-14日在巴西里约热内卢举行，根据大会官方公布的数据，ACM MM 2026共收到来自全球7053篇论文投稿。

该研究聚焦于全切片图像（WSIs）生存预测中的关键问题——如何从海量、多尺度的病理区域中准确定位稀疏且分散的预后证据，并有效建模不同区域及尺度之间的复杂关联。现有方法往往难以兼顾关键区域筛选、跨尺度信息交互与高阶语义关系建模，从而限制了预测性能和模型可解释性。为此，团队提出了一种层级语义引导的超图生存预测框架SemHyperSurv。该方法首先利用大语言模型生成具有病理学知识的层级提示，构建切片特异性的语义先验；随后在语义先验引导下，采用由粗到细的跨尺度区域聚焦策略，定位与患者预后密切相关的关键区域；进一步构建结构–语义超图，联合建模跨尺度包含关系、尺度内上下文依赖以及概念条件下的高阶语义关联；最后通过概念查询与门控融合机制完成风险预测，在提升模型性能的同时增强预测结果的可解释性。实验结果表明，该方法在多个公开癌症数据集上均取得了优于现有方法的预测性能，展现出良好的有效性与泛化能力。

论文的发表展示我院在医学人工智能前沿领域持续的科研产出能力，同时也显示了我院创新的研究生人才培养机制。

此项工作受到国家自然科学基金面上项目（No. 62572339）与山西省基础研究计划（No. 202303021211082）的资助。

初审：吴永飞

复审：李晓春

终审：陈永乐