香港科技大學陳浩教授招收全獎博士生

01、學校招生要求

香港科技大學(HKUST)作為(wei) 亞(ya) 洲頂尖研究型大學，其計算機科學學科在全球享有盛譽。申請香港科技大學計算機科學與(yu) 工程係的博士項目，需滿足以下條件：

1. 學術背景要求

·擁有認可機構授予的學士學位，且具有優(you) 異的學術表現；或

·擁有一年全日製或兩(liang) 年兼職研究生學習(xi) 經曆，且成績優(you) 秀

·申請者的本科專(zhuan) 業(ye) 背景不作限製，但相關(guan) 學科背景更具優(you) 勢

2. 英語語言能力要求

·托福(TOEFL)不低於(yu) 80分；或

·雅思(IELTS)總分不低於(yu) 6.5分，各單項不低於(yu) 5.5分

·如申請者的母語為(wei) 英語，或在英語為(wei) 教學語言的機構獲得學士學位，可免除英語語言成績要求

3. 申請材料

·完整的在線申請表格

·學術成績單和學位證明

·個(ge) 人陳述（包括研究興(xing) 趣、職業(ye) 規劃等）

·推薦信

·英語語言能力證明（如適用）

·研究計劃或研究提案

4. 獎學金信息

· 常規全獎：每月18,500港幣

· 香港博士研究生獎學金計劃(HKPFS)：每月26,600港幣，同時提供年度差旅補貼13,300港幣及入學獎勵40,000港幣

·所有全日製博士生均可申請住宿補貼

·學費每年約42,100港幣，優(you) 秀學生可獲學費減免

5. 申請時間

· 提前批申請：每年8月15日前

· 常規申請：滾動招生，但建議在前一年12月前提交申請

· 香港博士研究生獎學金計劃(HKPFS)申請截止時間：每年12月1日

6. 錄取流程

· 初審（材料審核）

· 麵試（通常為(wei) 線上進行）

· 錄取通知（一般在麵試後1-2周內(nei) 發出）

·接受錄取並辦理入學手續

申請者可通過HKUST在線申請係統提交申請，非英語母語國家申請者需特別注意英語語言要求。有意向申請者建議提前與(yu) 導師進行聯係溝通，以增加申請成功率。

02、教授研究方向

陳浩教授現任香港科技大學計算機科學與(yu) 工程係以及化學與(yu) 生物工程係助理教授，同時擔任醫療成像與(yu) 分析中心的副主任。他帶領的SMART Lab專(zhuan) 注於(yu) 可信醫療人工智能研究，在醫學影像分析和醫療AI領域取得了一係列重要成果。

1. 學術成就

· 論文發表：在MICCAI、IEEE-TMI、MIA、CVPR、AAAI、Nature Communications、Lancet Digital Health、JAMA等頂級期刊和會(hui) 議上發表論文200餘(yu) 篇

· 學術影響力：Google Scholar引用超過25,000次，H-index 63

· 學術獲獎：2023年亞(ya) 洲青年科學家獎、2019年MICCAI青年科學家影響力獎、福布斯中國30位30歲以下精英等多項榮譽

· 學術服務：擔任IEEE Transactions on Neural Networks and Learning Systems等多個(ge) 期刊的副主編，以及MICCAI、ISBI、MIDL等國際會(hui) 議的領域主席

2. 核心研究方向

醫療AI核心技術

· 醫學影像智能分析：開發先進的深度學習(xi) 算法用於(yu) 醫學影像分析，包括CT、MRI、病理切片等多種影像的智能診斷與(yu) 預後評估

· 多模態健康數據融合：研究將影像、臨(lin) 床、基因組學等多源異構數據融合的方法，提高疾病診斷和治療決(jue) 策的準確性

· 可解釋AI決(jue) 策機製：探索醫療AI係統的可解釋性技術，提高醫療AI係統的透明度和可信度，使AI輔助診斷結果更易被醫生理解和接受

科學AI前沿探索

· 生物分子結構預測：應用深度學習(xi) 方法預測蛋白質等生物分子的結構和功能，為(wei) 藥物研發提供支持

· 藥物發現算法優(you) 化：開發高效的算法加速新藥發現過程，降低藥物研發成本和周期

· 工業(ye) 級醫療AI係統開發：研究醫療AI係統從(cong) 實驗室到臨(lin) 床應用的轉化途徑，構建符合醫療法規的AI係統

3. 研究成果亮點

·成功研發四大AI醫學大模型，能夠協助全科及專(zhuan) 科醫生診斷多達30種癌症及疾病

·部分模型的診斷準確度可與(yu) 擁有5年以上經驗的專(zhuan) 業(ye) 醫療人員媲美

·帶領團隊獲得15項以上國際醫學圖像分析挑戰賽冠軍(jun)

·擁有十餘(yu) 項人工智能和醫學影像分析專(zhuan) 利

03、創新研究想法

基於(yu) 陳浩教授課題組的研究方向，以下提出幾個(ge) 具有前景的創新研究想法：

1. 麵向資源受限環境的輕量級醫療AI係統

研究背景：全球很多地區醫療資源匱乏，無法部署計算密集型的AI模型。

研究內(nei) 容：

·開發能在普通智能手機上運行的輕量級醫學影像分析模型

·研究模型壓縮和知識蒸餾技術，在保持高準確率的同時大幅減小模型體(ti) 積

·設計適應性強的神經網絡架構，可根據設備計算能力自動調整推理精度

·構建端到端的輕量級醫療AI係統，包括圖像采集、預處理、分析和結果展示

創新點：將先進的醫療AI技術擴展到資源受限環境，解決(jue) 醫療資源分配不均的問題，特別適用於(yu) 農(nong) 村地區和發展中國家。

2. 多模態醫療大模型的不確定性量化與(yu) 可靠性保障

研究背景：醫療AI係統在臨(lin) 床應用中必須保證高可靠性，錯誤診斷可能導致嚴(yan) 重後果。

研究內(nei) 容：

·開發適用於(yu) 醫療場景的不確定性量化方法，評估AI模型預測結果的可信度

·研究多模態醫療數據（影像、臨(lin) 床記錄、基因組學數據等）的不確定性傳(chuan) 播機製

·構建具有自我校準能力的醫療AI係統，能夠識別超出其能力範圍的案例並主動請求人類專(zhuan) 家介入

·設計醫療AI係統的安全機製，防止係統在高不確定性情況下做出錯誤決(jue) 策

創新點：為(wei) 醫療AI係統增加可靠性保障層，使AI輔助診斷更加安全可靠，加速臨(lin) 床應用推廣。

3. 數字孿生技術驅動的個(ge) 性化醫療AI係統

研究背景：每個(ge) 患者的生理狀況和疾病進展各不相同，通用AI模型難以滿足個(ge) 性化醫療需求。

研究內(nei) 容：

·構建患者的數字孿生模型，整合多源醫療數據創建患者的虛擬表示

·開發動態更新的個(ge) 性化AI模型，能夠隨著患者狀況變化而自適應調整

·研究基於(yu) 數字孿生的疾病進展預測和治療效果模擬方法

·設計麵向臨(lin) 床醫生的交互式係統，支持醫生探索不同治療方案的可能結果

創新點：將數字孿生技術與(yu) 醫療AI結合，實現真正的個(ge) 性化精準醫療，提高治療效果並減少副作用。

4. 基於(yu) 聯邦學習(xi) 的跨機構醫療AI協作平台

研究背景：醫療數據隱私保護要求嚴(yan) 格，不同醫療機構難以直接共享數據，限製了AI模型的訓練規模。

研究內(nei) 容：

·開發針對醫療場景優(you) 化的聯邦學習(xi) 框架，支持多家醫療機構在保護數據隱私的前提下協作訓練AI模型

·研究異構醫療數據環境下的聯邦學習(xi) 算法，解決(jue) 數據分布不均衡和異質性問題

·設計高效的模型聚合和知識遷移機製，加速模型收斂並提高泛化能力

·構建安全可審計的聯邦學習(xi) 平台，滿足醫療數據安全和合規要求

創新點：打破醫療數據孤島，在保護隱私的前提下實現多機構數據價(jia) 值共享，顯著擴大AI模型的訓練數據規模和多樣性。

5. 生成式AI驅動的醫學教育與(yu) 培訓係統

研究背景：醫學教育和專(zhuan) 業(ye) 培訓通常受限於(yu) 案例資源和教學場景。

研究內(nei) 容：

·利用生成式AI技術創建多樣化的虛擬醫學案例和影像，用於(yu) 醫學教育和專(zhuan) 業(ye) 培訓

·開發能夠模擬疾病進展的動態生成模型，支持時間序列醫學數據的生成

·研究醫學影像和臨(lin) 床數據的質量控製方法，確保生成內(nei) 容的醫學準確性

·構建交互式醫學教育平台，支持個(ge) 性化學習(xi) 路徑和能力評估

創新點：通過AI生成的多樣化醫學案例豐(feng) 富教學資源，提高醫學教育和專(zhuan) 業(ye) 培訓的效果和可及性，加速醫療人才培養(yang) 。