Don't Miss
本地科研動態｜理大「圖神經網絡」 解難能力提升
By 信報財經新聞 on January 29, 2026
原文刊於信報財經新聞「CEO AI⎹ EJ Tech」
圖神經網絡（GNN）是一種專門處理圖結構數據的深度學習模型，主要擅長處理數據中節點與邊之間的關係，但往往忽略高階的複雜連結。香港理工大學醫療科技及資訊學系教授、傑出創科學人教授仇安琪及其研究團隊，其設計的新型「霍奇-拉普拉斯異構圖注意力網絡」（HL-HGAT），能捕捉多種圖結構間的複雜關聯，有望突破人工智能（AI）在神經科學、物流、電腦視覺、生物學等領域的應用限制。
加速藥物開發 及早檢測腦退化
研究團隊在多個領域作全面測試，首先在物流領域，HL-HGAT能有效解決經典的「旅行商問題」（如何規劃最短配送路線），為物流公司節省大量時間和成本；在電腦視覺領域，HL-HGAT其表現在CIFAR-10影像分類測試中超越了傳統的GNN，能更精準地捕捉影像中的細節特徵；在化學領域，HL-HGAT在預測分子特性取得卓越準確度，有助加速新藥開發進程。
在神經科學與醫療診斷上，HL-HGAT展現出極高應用價值。團隊將之用於功能性磁振造影（fMRI）數據分析，能準確預測智力表現與大腦年齡，更能在抑鬱症患者的腦網絡中，發現預設模式網絡和邊緣系統中異常的「三方神經區域互動」。此外，HL-HGAT也可為阿茲海默症患者，檢測出早期的皮質變薄與神經連接中斷，有助更及時發現病徵；研究已發表於《IEEE模式分析與機器智能學報》。
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
