美國紐約大學 (NYU)PhD博士申請攻略及導師簡介

導師簡介

如果你想申請美國紐約大學 生物醫學係博士，那今天這期文章解析可能對你有用！今天Mason學長為(wei) 大詳細解析紐約大學的Prof.Faghih的研究領域和代表文章，同時，我們(men) 也推出了新的內(nei) 容“科研想法&開題立意”，為(wei) 同學們(men) 的科研規劃提供一些參考，並且會(hui) 對如何申請該導師提出實用的建議！方便大家進行套磁！後續我們(men) 也將陸續解析其他大學和專(zhuan) 業(ye) 的導師，歡迎大家關(guan) 注！

教授現任紐約大學坦頓工程學院生物醫學工程副教授，同時也是紐約大學城市科學和進步中心（CUSP）的成員。教授擁有麻省理工學院（MIT）電氣工程與(yu) 計算機科學（EECS）博士學位，並在MIT的腦與(yu) 認知科學係（BCS）和皮考爾研究所（Picower Institute）完成了博士後研究。她的研究團隊主要圍繞計算醫學實驗室開展工作，自2022年轉至NYU坦頓工程學院以來，已取得了一係列顯著的研究成果。

研究領域

教授的研究興(xing) 趣主要集中在以下幾個(ge) 領域：

1. 生物醫學係統的控製、估計和係統識別
2. 生物醫學數據科學和計算方法
3. 生物醫學和神經信號處理
4. 可穿戴計算技術
5. 生理建模與信息物理係統（Cyber Physical Systems）

研究分析

1. "Marked Point Process Secretory Events Statistically Characterize Leptin Pulsatile Dynamics"

發表於(yu) Journal of the Endocrine Society (2024)

這項研究運用標記點過程模型來描述瘦素激素的脈衝(chong) 分泌模式。研究團隊分析了瘦素激素分泌的時間特性和幅度變化，為(wei) 理解肥胖機製提供了新的視角。瘦素是一種與(yu) 食欲控製和能量平衡相關(guan) 的關(guan) 鍵激素，其分泌模式的異常可能與(yu) 肥胖症有關(guan) 。這項研究為(wei) 開發新的肥胖診斷和治療方法提供了理論基礎。

2. "Eye tracking is more sensitive than skin conductance response in detecting mild environmental stimuli"

發表於(yu) PNAS nexus (2024)

這項研究比較了眼動追蹤和皮膚電反應在檢測微弱環境刺激時的敏感性。研究發現眼動追蹤技術能夠捕捉到皮膚電反應無法探測的微弱刺激變化，為(wei) 腦機接口和認知狀態監測提供了更靈敏的工具。這一發現對於(yu) 開發更精確的生理反應監測係統具有重要價(jia) 值，特別是在需要實時監測注意力和情緒狀態的應用場景中。

3. "Bayesian inference of hidden cognitive performance and arousal states in presence of music"

發表於(yu) IEEE Open Journal of Engineering in Medicine and Biology (2024)

這項研究使用貝葉斯推斷方法，探索了音樂(le) 對認知表現和喚醒狀態的影響。研究設計了一個(ge) 狀態空間模型，能夠從(cong) 行為(wei) 數據中解碼隱藏的認知狀態，並評估不同音樂(le) 類型對工作效率的影響。這一研究為(wei) 優(you) 化工作和學習(xi) 環境提供了科學依據，有助於(yu) 建立個(ge) 性化的環境調節係統。

4. "Unveiling productivity: The interplay of cognitive arousal and expressive typing in remote work"

發表於(yu) Plos one (2024)

這項研究探討了認知喚醒狀態與(yu) 打字行為(wei) 之間的關(guan) 係，特別是在遠程工作環境中。研究團隊開發了一種算法，可以通過分析打字模式來追蹤認知喚醒水平，為(wei) 優(you) 化遠程工作提供了新的方法。在疫情後遠程工作逐漸常態化的背景下，這一研究具有重要的實際應用價(jia) 值。

5. "A multimodal dataset for investigating working memory in presence of music: a pilot study"

發表於(yu) Frontiers in Neuroscience (2024)

這項研究創建了一個(ge) 多模態數據集，用於(yu) 研究音樂(le) 對工作記憶的影響。數據集包括眼動數據、皮膚電反應、心率和行為(wei) 表現等多種數據類型，為(wei) 研究認知過程提供了全麵的實驗資源。這一數據集的建立有助於(yu) 推動認知神經科學領域的方法學創新和實證研究。

6. "Skin Conductance Response Artifact Reduction: Leveraging Accelerometer Noise Reference and Deep Breath Detection"

發表於(yu) IEEE Access (2024)

這項研究提出了一種新方法，通過利用加速度計數據和檢測深呼吸模式來減少皮膚電反應信號中的偽(wei) 影。皮膚電反應是情緒和壓力研究中常用的生理指標，但容易受到運動和呼吸等因素的幹擾。這項研究提高了皮膚電信號的質量和可靠性，為(wei) 情緒和壓力相關(guan) 研究提供了更精確的測量工具。

項目分析

1. 計算醫學實驗室（Computational Medicine Laboratory）

教授創立並領導的計算醫學實驗室是她研究工作的核心平台。該實驗室專(zhuan) 注於(yu) 開發新的信號處理和機器學習(xi) 算法，用於(yu) 分析生理數據和神經信號。實驗室的研究範圍包括：神經內(nei) 分泌激素分泌模式分析、情緒和認知狀態的生理標記、可穿戴技術在健康監測中的應用等。自2022年遷至NYU坦頓工程學院以來，該實驗室已成為(wei) 生物醫學工程領域的重要研究中心，產(chan) 出了多項具有影響力的研究成果。

2. 城市科學與(yu) 進步中心項目（Center for Urban Science + Progress）

作為(wei) 紐約大學城市科學與(yu) 進步中心的成員，教授參與(yu) 了將生物醫學工程技術應用於(yu) 城市環境健康監測的交叉學科研究。這些項目致力於(yu) 通過分析城市居民的生理數據和環境因素之間的關(guan) 係，開發智能城市健康監測係統。研究內(nei) 容涉及環境壓力對城市居民生理和心理健康的影響，以及如何通過技術手段提高城市生活質量。

3. 腦機接口與(yu) 眼動追蹤研究（Brain-Machine Interfaces with Eye Tracking）

這一項目探索了將眼動追蹤技術整合到腦機接口係統中的可能性。研究表明，眼動數據在檢測微弱環境刺激方麵比傳(chuan) 統的皮膚電反應更為(wei) 敏感，有望成為(wei) 下一代腦機接口的重要組成部分。項目開發了新的算法來分析眼動模式，並將其與(yu) 其他生理信號結合，以實現更精確的意圖識別和狀態監測。這一研究對於(yu) 發展輔助技術和人機交互係統具有重要意義(yi) 。

研究想法

1. 多模態生理信號融合的個(ge) 性化情緒調節係統

研究思路：結合教授在呼吸活動情緒估計和眼動追蹤的研究，開發一個(ge) 多模態生理信號融合係統，實現情緒狀態的實時監測和調節。

具體(ti) 方案：

• 建立一個整合眼動、呼吸、皮膚電和心率的多模態數據采集平台
• 開發深度學習算法，從多模態信號中提取情緒特征
• 設計基於標記點過程的狀態估計器，實時推斷情緒變化
• 構建閉環反饋係統，通過環境調節（如音樂、光線）實現情緒幹預

2. 基於(yu) 生理信號的智能工作環境優(you) 化係統

研究思路：基於(yu) 教授對認知喚醒與(yu) 工作效率關(guan) 係的研究，開發一個(ge) 智能工作環境係統，能夠根據用戶的生理和行為(wei) 數據，自動調整環境參數以優(you) 化工作表現。

具體(ti) 方案：

• 設計可穿戴設備組合，無創采集用戶的眼動、打字行為和自主神經活動數據
• 建立貝葉斯狀態空間模型，實時推斷用戶的認知喚醒水平和注意力狀態
• 開發環境參數（音樂類型、音量、溫度、光線等）與認知表現關係的個性化模型
• 實現基於強化學習的環境控製算法，自適應優化工作條件

3. 神經內(nei) 分泌激素脈衝(chong) 模式與(yu) 代謝疾病的計算診斷框架

研究思路：拓展教授在瘦素脈衝(chong) 動態研究中的標記點過程方法，構建一個(ge) 綜合分析多種內(nei) 分泌激素脈衝(chong) 模式的計算框架，用於(yu) 代謝疾病的早期診斷和分型。

具體(ti) 方案：

• 收集並分析健康人群和各類代謝疾病患者的多種激素（瘦素、胰島素、皮質醇等）時間序列數據
• 開發多變量標記點過程模型，捕捉不同激素之間的協同分泌模式
• 建立基於深度學習的激素脈衝特征提取算法
• 設計疾病分類和風險預測模型，實現代謝綜合征的早期預警

4. 基於(yu) 非侵入性生理信號的疲勞駕駛檢測與(yu) 幹預係統

研究思路：利用教授在眼動追蹤和認知狀態估計方麵的研究成果，開發一個(ge) 能夠實時監測駕駛員疲勞狀態並進行幹預的係統。

具體(ti) 方案：

• 設計車載眼動追蹤和非接觸式生理信號采集係統
• 開發基於眼動模式和呼吸特征的疲勞狀態識別算法
• 構建駕駛員認知警覺度的動態貝葉斯模型
• 設計多級疲勞幹預策略，包括聲音、振動和環境參數調整

申請建議

1. 學術背景與(yu) 技能準備

• 數學基礎：強化概率論、隨機過程、貝葉斯統計和狀態空間模型等數學工具，這些是教授研究中的核心方法論基礎。建議修讀高級概率論、隨機過程和貝葉斯分析等課程，並通過實際項目應用這些知識。
• 信號處理能力：深入學習生物醫學信號處理技術，包括時頻分析、小波變換、卡爾曼濾波等。重點關注點過程模型和非平穩信號分析方法。
• 編程技能：精通MATLAB和Python，特別是在信號處理和機器學習庫（如SciPy、NumPy、PyTorch或TensorFlow）方麵的應用。

2. 研究經驗準備

• 生理數據分析項目：設計並完成一個涉及生理信號（如EEG、心率變異性、皮膚電反應等）數據分析的研究項目。重點展示您應用先進算法提取有意義特征的能力，以及對生理數據特性的理解。
• 狀態估計算法實踐：實現並測試各種狀態估計算法（如擴展卡爾曼濾波器、粒子濾波器等）在生理信號處理中的應用。

3. 個(ge) 人陳述與(yu) 研究計劃撰寫(xie)

• 技術深度與應用願景並重：在個人陳述中既要展示您對信號處理和機器學習等技術的深入理解，又要表達將這些技術應用於解決實際醫學問題的願景。
• 研究連續性構建：清晰地展示您過去的研究經曆如何為加入教授的團隊奠定了基礎，以及您希望如何在她的指導下進一步發展這些研究方向。
• 技術路線圖明確：詳細說明您計劃采用的研究方法和技術路線，展示您對研究過程的係統性思考。包括數據收集、算法開發、驗證方法和預期成果等關鍵環節。

博士背景

Darwin，985生物醫學工程係博士生，專(zhuan) 注於(yu) 合成生物學和再生醫學的交叉研究。擅長運用基因編輯技術和組織工程方法，探索人工器官構建和個(ge) 性化醫療的新途徑。在研究CRISPR-Cas9係統在幹細胞定向分化中的應用方麵取得重要突破。曾獲國家自然科學基金優(you) 秀青年科學基金項目資助，研究成果發表於(yu) 《Nature Biotechnology》和《Biomaterials》等頂級期刊。