香港科技大学全奖博士招生(Prof. Albert Chi Shing CHUNG)

招生要求

香港科技大学(HKUST)计算机科学与工程系(CSE)现正招收博士研究生，由鍾志成教授(Prof. Albert Chi Shing CHUNG)指导。根据最新官方招生政策，申请者需满足以下条件：

· 学术背景：申请者必须拥有来自认可大学或院校的优秀本科学位。计算机科学、工程、数学等相关专业背景优先，但非相关专业背景也可申请。

· 研究能力：需展示出色的学术表现和研究潜力，特别是在图像处理、计算机视觉或医学图像分析领域。

· 英语要求：非英语为母语且非英语授课机构毕业的申请者需提供英语能力证明。通常要求TOEFL或IELTS成绩有效期为考试日期起两年内。

· 申请时间：招生分两个阶段，早期招生阶段从每年2月中旬持续到8月，主要针对优秀的硕士和博士申请者。之后申请者仍可向香港科技大学研究生院提交常规申请。

· 奖学金：成功录取的全职博士生将获得全额奖学金资助，包括：

• 香港PhD Fellowship Scheme (HKPFS)：每年约HK$337,200(约US$43,120)，为期4年
• HKUST RedBird PhD奖学金：首年HK$40,000(约US$5,110)的招生奖励，以及后续年份每年HK$20,000(约US$2,560)的学术卓越奖
• 会议旅行津贴：每年HK$14,000(约US$1,790)，为期4年
• 海外研究奖和大湾区研究奖：提供额外资金用于参加会议和开展海外研究

研究方向

Prof. Albert Chi Shing CHUNG作为香港科技大学计算机科学与工程系教授兼医学图像分析中心主任，主要研究领域包括：

医学图像分析与处理

Prof. CHUNG在医学图像分析领域拥有丰富的研究经验，特别专注于将人工智能技术应用于医学图像分析。他目前指导的研究方向包括：

· 图像分析(Image Analysis)：开发先进算法用于医学图像的特征提取、分类和分割，特别是MRI、CT和超声等多模态医学影像。

· 图像处理(Image Processing)：致力于医学图像的降噪、超分辨率重建和质量增强，提高医学诊断的准确性和效率。

· 计算机视觉(Computer Vision)：应用最新的深度学习技术解决医学视觉问题，包括物体检测、图像分割和特征识别。

近期研究成果

根据Prof. CHUNG的最新发表论文，他的团队在以下领域取得了显著成果：

· 基于扩散模型的医学图像分析：利用最新的扩散概率模型对医学图像进行降噪和超分辨率处理，发表于《Medical Image Analysis》。

· 双坐标系统脊椎关键点检测：开发了创新的神经网络模型用于脊椎关键点检测，辅助诊断脊柱相关疾病。

· 深度感知网络在胸部CT多器官病变检测：设计的算法能有效检测胸部CT扫描中的多器官病变，提高诊断准确率。

· 变换器-U-Net混合模型在视网膜血管分割：将Transformer与U-Net相结合，提高了视网膜血管分割的精度。

· 基于元注意力的无监督域适应医学图像分割：解决医学图像分割中的域迁移问题，减少对大量标注数据的依赖。

Mason博士有想法

基于Prof. CHUNG的研究方向和最新医学图像分析趋势，以下是几个具有创新性的研究计划：

时空融合扩散模型用于动态医学图像重建

传统的医学图像重建方法难以处理动态器官的移动伪影问题。可以设计一种新型扩散模型，将时间和空间信息融合，专门针对心脏和肺部等运动器官的动态成像。该方法将利用Prof. CHUNG在扩散模型方面的专业知识，同时引入新的时空注意力机制，显著减少运动伪影并提高动态图像质量。

低资源场景下的自适应医学图像分析框架

医学数据的获取和标注成本高昂，尤其是罕见疾病的数据更为稀缺。可以开发一种自适应学习框架，通过结合元学习(Meta-Learning)、少样本学习(Few-shot Learning)和主动学习(Active Learning)策略，有效提高模型在低资源场景下的性能。该框架将继承Prof. CHUNG团队在无监督域适应方面的优势，进一步降低对大量标注数据的依赖。

多模态跨领域医学图像一体化分析平台

现有的医学图像分析方法往往针对特定模态(如MRI或CT)设计，缺乏跨模态的整合能力。可以构建一个统一的多模态分析平台，通过设计新型的跨模态特征融合网络，同时处理和分析来自不同成像模态的信息。该平台将充分利用Prof. CHUNG在图像处理和计算机视觉方面的专业知识，为临床医生提供更全面的诊断参考。

基于自监督学习的医学图像异常检测系统

传统的监督学习方法在医学图像异常检测中面临标注数据不足的挑战。可以开发一种基于自监督学习的异常检测系统，通过对正常样本的深度特征学习，自动发现和定位异常区域。该系统将结合Prof. CHUNG团队在扩散模型和图像分析方面的研究成果，特别适用于早期疾病筛查和预防性医疗领域。