期刊名称： Big Data and Cognitive Computing (BDCC)

期刊官网： https://www.mdpi.com/journal/BDCC

“Artificial Intelligence and Multi-Agent System”人工智能与多智能体系统栏目| MDPI 栏目推荐

栏目介绍

Big Data and Cognitive Computing (BDCC) 期刊的Artificial Intelligence and Multi-Agent Systems栏目，深耕人工智能领域核心研究，聚焦算法创新与跨域应用，为全球该领域学者搭建高质量的学术交流与成果发布平台，助力人工智能技术突破与落地。

本栏目围绕人工智能核心算法、理论与形式化体系展开研究，致力于发表构建能感知环境、自主行动以实现目标的智能主体的基础性研究。研究范畴覆盖符号人工智能、知识基系统到现代概率算法、仿生算法等方向，核心关注 AI 技术的理论支撑、算法创新，以及在各领域复杂结构化问题中的实际应用。

栏目收录研究方向包括：人工智能算法（搜索、优化、规划等）、认知理论与 AI 的交叉融合、机器人与自主控制系统、AI 在控制系统 / 生物信息学 / 智能电网的应用、专家系统与知识基系统、博弈论与战略决策中的 AI 应用。

精选文章

文章1

An Approach to Enable Human–3D Object Interaction Through Voice Commands in an Immersive Virtual Environment

沉浸式虚拟环境中基于语音指令的人-3D物体交互方法

Alessio Catalfamo et al.

https://doi.org/10.3390/bdcc9070188

系统架构图：双层架构（系统应用层 + 边缘计算层）以及语音命令处理的全流程。

文章亮点：

(1) 直面元宇宙VR应用痛点，解决硬件/软件限制导致的语音基人-3D物体交互难题。

(2) 提出全新语音指令交互方法，实现沉浸式虚拟环境中人与3D物体高效精准互动。

(3) 为元宇宙、虚拟现实领域的交互技术创新提供可落地的技术方案与研究思路。

文章2

Your Eyes Under Pressure: Real-Time Estimation of Cognitive Load with Smooth Pursuit Tracking

压力下的视觉追踪：基于平滑追踪的认知负荷实时估计算法

Pierluigi Dell’Acqua et al.

https://doi.org/10.3390/bdcc9110288

自适应系统框图	代表性眼动轨迹图

文章亮点：

(1) 创新提出基于平滑视觉追踪的认知负荷实时估算方法，实现对认知工作量精准动态感知。

(2) 突破传统评估方法局限，打造非接触式、实时化的认知负荷检测全新模式。

(3) 为增强现实、智能驾驶辅助、智能教学等领域自适应交互系统研发提供核心支撑。

精选特刊

1. Advances in Artificial Intelligence for Computer Vision, Augmented Reality Virtual Reality and Metaverse

https://www.mdpi.com/journal/BDCC/special_issues/9X1Q7G9MBY

2. Smart Manufacturing in the AI Era

https://www.mdpi.com/journal/BDCC/special_issues/63JLQRK5XQ

“Data Mining and Machine Learning” 数据挖掘和机器学习栏目| MDPI 栏目推荐

栏目介绍

“数据挖掘与机器学习”（Data Mining and Machine Learning）栏目是 Big Data and Cognitive Computing（BDCC）期刊的五大栏目之一，主要关注从数据中发现模式、提取知识以及构建预测模型的相关算法与技术。本栏目旨在展示在数据学习领域推动前沿发展的研究成果，涵盖理论方法与实际应用两个层面。研究内容强调从数据预处理与特征工程等基础环节出发，结合先进的学习算法，对数据中潜在的结构与规律进行挖掘与建模，从而揭示隐藏的信息，并为数据驱动的决策提供方法论与技术支持。

栏目收录研究方向包括：机器学习方法（监督学习、无监督学习、半监督学习与强化学习等）、深度学习与神经网络结构、数据挖掘技术（模式发现、关联规则学习、聚类分析等）、异常检测与离群点分析、大规模数据搜索与挖掘算法、大数据分析与可扩展数据分析平台，以及机器学习与数据挖掘在医学、生物学、工业、安全、教育与推荐系统等领域的应用。

精选文章

文章1

Evaluating Deep Learning Architectures for Breast Tumor Classification and Ultrasound Image Detection Using Transfer Learning

基于迁移学习的深度学习架构在乳腺肿瘤分类与超声图像检测中的性能评估

Christopher Kormpos, Fotios Zantalis, Stylianos Katsoulis and Grigorios Koulouras

https://doi.org/10.3390/bdcc9050111

本研究评估的两种模型架构类型。（a）两层二分类层级架构；（b）平面三分类模型。

文章亮点：

(1) 提出结合迁移学习的乳腺超声图像检测与分类框架，引入无关图像过滤模块以提升数据有效性与模型稳定性。

(2)构建层级式两阶段深度学习架构，通过“正常/肿瘤”与“良性/恶性”逐级分类提升乳腺肿瘤识别性能。

(3)对比层级式模型与传统三分类模型的表现，评估多种深度学习架构在乳腺超声肿瘤分类任务中的效果

文章2

Identifying Methodological Language in Psychology Abstracts: A Machine Learning Approach Using NLP and Embedding-Based Clustering

识别心理学摘要中的方法论语言：基于自然语言处理和嵌入聚类技术的机器学习方法

Konstantinos G. Stathakis, George Papageorgiou and Christos Tjortjis

https://doi.org/10.3390/bdcc9090224

方法流程图

文章亮点：

（1）构建融合词表抽取与 SciBERT 嵌入的学术文本方法学术语识别框架。

（2）基于85k心理学摘要，采用无监督与加权聚类揭示方法学语义结构。

（3）提出可扩展的NLP管线，用于科学文本透明度与元研究分析

文章3

LizAI XT—AI-Accelerated Management Platform for Complex Healthcare Data at Scale, Beyond EMR/EHR and Dashboards

LizAI XT：面向复杂医疗数据的大规模AI加速管理平台——超越传统EMR/EHR与可视化仪表盘

Trung Tin Nguyen, and David Raphael Elmaleh

https://doi.org/10.3390/bdcc9110275

LizAI XT 平台架构和数据流程的整体描述。

文章亮点：

（1）提出 LizAI XT 平台，实现医疗多源数据的自动结构化、匿名化与语义整合，突破传统 EMR/EHR 与可视化平台的数据处理局限。

（2）在 16 种疾病、1.6 万患者及 11.5 万医疗文件的大规模数据上验证，平台数据结构化准确率超过 95%。

（3）系统支持大规模医疗数据高效检索与隐私合规管理，可扩展应用于医院、制药企业及公共卫生机构。

精选特刊

Advances in Graph Learning and Representation Models for Complex Network Analysis

https://www.mdpi.com/journal/BDCC/special_issues/V3I9U43NNG

Beyond Diagnosis: Machine Learning in Prognosis, Prevention, Healthcare, Neurosciences, and Precision Medicine

https://www.mdpi.com/journal/BDCC/special_issues/E57BWR9J52

Machine Learning and Image Processing: Applications and Challenges

https://www.mdpi.com/journal/BDCC/special_issues/J875RSN640

“Big Data and Cognitive Computing”大语言模型与具身智能栏目| MDPI 栏目推荐

栏目介绍

“大语言模型与具身智能”栏目是 Big Data and Cognitive Computing（BDCC） 期刊的五大栏目之一，重点关注大模型与具身智能的前沿研究。栏目涵盖大语言模型、多模态模型的构建与应用，以及其在机器人、虚拟化身和数字孪生系统中的智能交互与决策能力提升。主要研究方向包括：大模型的架构与训练、多模态数据处理、自然语言处理应用、具身智能与认知机器人算法、数字孪生建模，以及大模型的安全与对齐研究。目前，该栏目由来自全球的10位知名学者组成编委会，提供学术支持。

精选文章

文章1

Robust Clinical Querying with Local LLMs: Lexical Challenges in NL2SQL and Retrieval-Augmented QA on EHRs

使用本地大语言模型实现稳健的临床查询：NL2SQL与EHR检索增强问答中的词汇挑战

Luka Blaškovi? et al.

https://doi.org/10.3390/bdcc9100256

RAG-QA 框架完整流程示意图

文章亮点：

(1) 研究对比了NL2SQL与RAG-QA两种临床NLP工作流，探讨其在电子健康记录查询中的实用性。

(2) 临床语言的词汇不稳定性（缩写和同义词多）是NL2SQL任务在生物医学领域的主要性能瓶颈。

(3) 为确保合规与信任，临床应用应优先采用具备差异隐私技术的本地推断及开源权重模型。

文章2

Adaptive Segmentation and Statistical Analysis for Multivariate Big Data Forecasting

多元大数据预测的自适应分割与统计分析

Desmond Fomo and Aki-Hiro Sato

https://doi.org/10.3390/bdcc9110268

预测任务中处理瓶颈的总体示意图

文章亮点：

(1) 突破传统“3V”模型，提出从统计变异性、计算资源需求和算法难度出发的“大数据”量化新框架。

(2) 推出AHFRS算法，通过引入协方差、偏度和峰度等高阶统计指标，精准捕捉多维数据的波动特征。

(3) 在金融及医疗等领域验证了该方法能在受限算力下大幅降低预测误差，实现模型无关的高效性能提升。

精选特刊

Advances in Large Language Models for Biological and Medical Applications

https://www.mdpi.com/journal/BDCC/special_issues/3P317ZFSOO

Perspectives and Applications of Multimodal Artificial Intelligence and Big Data

https://www.mdpi.com/journal/BDCC/special_issues/QI981XWMQ8

BDCC 期刊介绍

主编：Prof. Dr. Min Chen, South China University of Technology, China

期刊专注于大数据、认知计算及其交叉领域的前沿研究。期刊旨在为发表从理论突破到实际应用的各类高水平科研成果提供卓越的平台，涵盖但不限于大数据处理与分析、认知科学与人工智能、机器学习与数据挖掘、分布式计算与云/边缘计算、自然语言处理、计算机视觉，以及这些技术在智慧城市、医疗健康、金融科技等领域的应用。