CS能和哪些專業結合增加申請優勢？

計算機方向課題

1. 基於深度學習的非配對多模態核磁共振圖像生成

如今，多模態磁共振成像 （MRI）被認為(wei) 是診斷腦神經係統疾病的最主要工具之一。該項目的總體(ti) 目標是提出一種新的基於(yu) 深度學習(xi) 的高保真MRI脈衝(chong) 序列生成模型，用於(yu) 腫瘤分割和生存預測等下遊任務。

相關(guan) 學科

生物醫學工程；計算機科學技術

2. 基於大腦可控性分析的阿爾茲海默症的早期診斷

該項目關(guan) 注於(yu) 通過大腦可控性分析，探索用於(yu) 早期診斷阿爾茲(zi) 海默症的新型神經生物標誌物。我們(men) 將進行大腦可控性分析，以研究大腦的神經動態特性和由認知功能障礙引起的神經控製模式的改變。

相關(guan) 學科

生物醫學工程；計算機科學技術

3.夜間模式下的自動駕駛場景預測和語義理解

夜間由於(yu) 光線不充足，人們(men) 識別周圍場景的能力大大降低，自動駕駛汽車的夜間行車安全也越來越受到人們(men) 的關(guan) 注。這使得對夜視圖像的理解極具挑戰。使用深度學習(xi) 方法將可見光和紅外光結合起來並進行精確的預測。

相關(guan) 學科

計算機科學技術

4.利用深度神經網絡進行醫學圖像重建與壓縮

本項目關(guan) 注於(yu) 怎樣通過人工神經網絡和深度學習(xi) 方法，克服大型醫學圖像的儲(chu) 存和傳(chuan) 輸的挑戰，並構建一個(ge) 圖像重建與(yu) 壓縮一體(ti) 化的架構。我們(men) 會(hui) 整合圖像重建和壓縮的流程，來實現高效的一體(ti) 化的醫學圖像重建和壓縮的算法。

相關(guan) 學科

計算機科學技術

5.燒熱水用來製冷？餘熱回收吸收式製冷係統研究

本項目關(guan) 注在能源危機大背景下，利用餘(yu) 熱資源進行製冷的方法值得探索。利用係統設計軟件，如Simulink，Visio等，建立合理的吸收式製冷循環，對係統參數進行數據分析與(yu) 結構優(you) 化，確定係統循環參數。

相關(guan) 學科

物理學；計算機科學技術

6. 腦功能超聲成像深度學習平台

功能超聲（fUS）是一種創新的成像方式，本研究旨在利用卷積神經網絡構建深度學習(xi) 平台，用以顯著減輕數據處理負擔。此外，訓練後的網絡將與(yu) 成像係統集成，在體(ti) 內(nei) 實驗中進行驗證，以測試算法的可靠性。

相關(guan) 學科

生物醫學工程；計算機科學技術

7.基於變換域技術和深度學習方法的高維圖像去噪

日常生活中，人們(men) 常見的幾種圖像常常夾雜著噪點。我們(men) 將在合成數據集和真實數據集上廣泛比較超過20種方法，還將引入新的數據集用於(yu) 基準測試。評估將從(cong) 四個(ge) 不同的角度進行。

相關(guan) 學科

計算機科學技術