Wenwen Min (闵文文)

Wenwen Min (闵文文)

医学人工智能

闵文文个人主页

一、个人简介

  • 闵文文，云南大学信息学院，计算机科学与工程系副教授，硕士生导师，云南大学“东陆人才计划-青年学者”。2017年毕业于武汉大学计算机学院，获工学博士学位，2019~2021在香港中文大学（深圳）从事博士后研究工作，2021年12月入选云南大学“东陆青年学者”引进人才，2022年入选云南省“兴滇英才支持计划”青年人才。
  • 闵老师长期从事人工智能算法（图神经网络、深度扩散模型、Transformer模型、对比学习、基于掩码机制的自监督学习、单细胞/空转大模型、矩阵张量优化等）及其应用研究。
  • 学术工作：国家自然科学基金项目评审专家，教育部学位中心评审专家，计算机期刊 (IEEE TPAMI、IEEE TKDE、IEEE TCYB、IEEE TNNLS、IEEE TMI、IEEE TSP、IEEE TII、IEEE TMM、IEEE JHBI、IEEE TCSVT、IEEE TETCI、IEEE IoT、IEEE TBME、IEEE TCSS、IEEE SMCA、IEEE BigData、JAS、EAAI、PR、ESWA、Neural Networks、Medical Image Analysis、Information Sciences、KBS、中国科学等)，生信期刊 (Nature Methods、Nature Computational Science、Nature Communications、Journal of the American Statistical Association、NAR、AS、CB、PLOS CB、BIB、Bioinformatics、IEEE TCBB、INSC、Journal of Chemical Information and Modeling等) 审稿专家。
  • 研究成果：发表学术论文60多篇，其中第一作者或通讯作者发表CCF A-B类期刊/会议24篇，包括IEEE TKDE (2021, 2023)，IEEE TNNLS (2022)，Bioinformatics (2018, 2023)，Briefings in Bioinformatics (2024a, 2024b, 2025a, 2025b, 2025c), PLoS Computational Biology (2021, 2025a, 2025b)，IEEE TCBB (2018)，IEEE JBHI (2024), IEEE TNB (2016), MICCAI (2025) BIBM (2015, 2023a, 2023b, 2024a, 2024b, 2024c, 2024d, 2024e, 2024f, 2024g), ISBRA (2024a, 2024b, 2024c), ICIC (2019, 2024) 等重要期刊和会议。主持国家自然科学基金项目2项，中国博士后面上项目1项，省基础研究项目2项，“兴滇英才支持计划”青年人才项目1项，云南省智能系统与计算重点实验室开放课题（重点项目）1项等。

二、研究方向

🎯人工智能理论方法

  • 深度学习理论方法（图神经网络、深度扩散模型、Transformer、对比学习、大模型）
  • 机器学习理论方法（矩阵张量方法，非凸优化、L20及L0结构稀疏优化、特征选择）
  • 多模态之融合学习（图神经网络，扩散模型，深度对比学习）

🎯医学人工智能方法

  • AI + 医学图像
  • AI + 多模态生物医学数据

🎯 招生广告

  • 本人目前可以招收计算机相关专业的专硕、学硕，目前不考虑招生外籍学生
  • AI+数据挖掘的团队，不限定数据类型，挖掘的数据对象可包括：医学图像数据，生物组学数据，自然图像数据，网络结构数据等，不需要任何生物医学背景，专注于人工智能的新算法开发！！！
  • 招生要求: 坚持不懈的毅力（最看重的品质）；良好的编程、数学、英语能力
  • 感兴趣的同学可以给我邮件(wenwen.min@qq.com, minwenwen@ynu.edu.cn)；邮件内容包括如下信息：个人简历+本科成绩单+考研成绩+复试上机成绩。

三、学术论文

四、代表作

计算领域期刊和会议

  • [01] Wenwen Min*, Taosheng Xu, Xiang Wan, Tsung-Hui Chang. Structured Sparse Non-negative Matrix Factorization with L20-Norm. IEEE Transactions on Knowledge and Data Engineering, 35(8):8584-8595, 2023 (中科院一区, CCF A类期刊, IF=10.4) [下载]

  • [02] Wenwen Min, Juan Liu*, Shihua Zhang*. Group-sparse SVD Models via L0 and L1-norm Penalties and Their Applications in Biological Data. IEEE Transactions on Knowledge and Data Engineering, 33(2):536-550, 2021 (中科院一区, CCF A类期刊, IF=10.4) [下载]

  • [03] Wenwen Min, Xiang Wan, Tsung-Hui Chang, Shihua Zhang*. A Novel Sparse Graph-Regularized Singular Value Decomposition Model for Gene Co-Expression Pattern Discovery. IEEE Transactions on Neural Networks and Learning Systems, 33(8):3842-3856, 2022 (中科院一区，CCF B类期刊, IF=14.255) [下载]

  • [04] Weighted sparse partial least squares for joint sample and feature selection. IEEE Transactions on Computational Biology and Bioinformatics 2025 (中科院二区， CCF B类期刊) (一作+通讯作者, 方法领域：机器学习）

  • [05] Network-regularized sparse logistic regression models for clinical risk prediction and biomarker discovery. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 15(3):944-953, 2018 (CCF B类期刊, IF=4.5) (一作, 方法领域：机器学习）

  • [06] A two-stage method to identify joint modules from matched microRNA and mRNA expression data. IEEE Transactions on Nanobioscience, 15(4):362-370, 2016 (一作, 方法领域：机器学习）

  • [07] Geometry-informed Multimodal Fusion Network for Enhancing High-density Spatial Transcriptomics from Histology Images. Engineering Applications of Artificial Intelligence 2025 (中科院一区， IF=8)(唯一通讯作者, 方法领域：图神经网络 GitHub)

  • [08] Inferring Super-Resolved Gene Expression by Integrating Histology Images and Spatial Transcriptomics with HISTEX. MICCAI 2025 (CCF B, 医学图像计算顶会，MICCAI2025 Top 2%) (Best Paper, 唯一通讯作者, 方法领域：注意力机制 GitHub)

  • [09] Boundary-Aware Gradient Operator Network for Medical Image Segmentation. IEEE Journal of Biomedical and Health Informatics, 2024 (中科院一区, CCF C类期刊, IF=7.7) (一作, 方法领域：医学图像分割 GitHub)

  • [10] Precise facial landmark detection by reference heatmap transformer. IEEE Transactions on Image Processing (中科院一区, CCF A类期刊, IF=13.7)

人工智能生物医学领域

  • [01] SpaBatch: Deep learning-based cross-slice integration and 3D spatial domain identification in spatial transcriptomics, Advanced Science 2025 (中科院一区, IF=14.3) (唯一通讯作者, 方法领域：图神经网络 GitHub)

  • [02] SpaCross deciphers spatial structures and corrects batch effects in multi-slice spatially resolved transcriptomics, Communications Biology 2025 (Nature小子刊, 中科院一区, IF=5.3)(唯一通讯作者, 方法领域：图神经网络 GitHub)

  • [03] SpaMask: Dual masking graph autoencoder with contrastive learning for spatial transcriptomics. PLOS Computational Biology 2025 (领域顶刊, 中科院二区，CCF B) (唯一通讯作者, 方法领域：图神经网络 GitHub)

  • [04] SpaDAMA: Improving Cell-Type Composition Inference in Spatial Transcriptomics with Domain-Adversarial Masked Autoencoder, PLOS Computational Biology 2025 (领域顶刊, 中科院二区，CCF B) (唯一通讯作者, 方法领域：对抗网络 GitHub)

  • [05] TSCCA: A tensor sparse CCA method for detecting microRNA-gene patterns from multiple cancers. PLoS Computational Biology, 17(6):e1009044, 2021 (领域顶刊, 中科院二区，CCF B, IF=4.779)

  • [06] SpaICL: Image-Guided Curriculum Strategy-Based Graph Contrastive Learning for Spatial Transcriptomics Clustering. Briefings in Bioinformatics 2025 (CCF B类期刊, 中科院一区, IF=9.5) (学生一作导师通讯, 学生：计算机技术专业, 方法领域：图对比学习 GitHub)

  • [07] Inferring single-cell resolution spatial gene expression via fusing spot-based spatial transcriptomics, location and histology using GCN. Briefings in Bioinformatics 2025 , DOI: 10.1093/bib/bbae630 (CCF B类期刊, 中科院一区, IF=9.5) (学生一作导师通讯, 学生：计算机技术专业, 方法领域：图神经网络 GitHub)

  • [08] SpaDiT: Diffusion Transformer for Spatial Gene Expression Prediction using scRNA-seq. Briefings in Bioinformatics 2024, DOI: 10.1093/bib/bbae571 (CCF B类期刊, 中科院一区, IF=9.5) (学生一作导师通讯，学生: 计算机应用技术专业, 方法领域：深度扩散模型 GitHub)

  • [09] Multimodal contrastive learning for spatial gene expression prediction using histology images. Briefings in Bioinformatics 2024 , DOI: 10.1093/bib/bbae551 (CCF B类期刊, 中科院一区, IF=9.5) (学生二作导师通讯, 学生：人工智能专业, 方法领域：深度对比学习 GitHub)

  • [10] Edge-group sparse PCA for network-guided high dimensional data analysis. Bioinformatics, 34(20):3479-3487, 2018 (CCF B类期刊, IF=6.931) (唯一第一作者)