香港城市大学(CityU)PhD博士申请攻略及导师简介

导师简介

如果你想申请香港城市大学 电子工程学系博士，那今天这期文章解析可能对你有用！今天Mason学长为大详细解析香港城市大学的Prof.CHAN的研究领域和代表文章，同时，我们也推出了新的内容“科研想法&开题立意”，为同学们的科研规划提供一些参考，并且会对如何申请该导师提出实用的建议！方便大家进行套磁！后续我们也将陆续解析其他大学和专业的导师，欢迎大家关注！

导师现任香港城市大学电子工程系副教授，IEEE高级会员，并在计算神经科学与神经工程领域享有国际声誉。她于2003年获得香港中文大学（CUHK）自动化与计算机辅助工程学士学位（一等荣誉），辅修计算机科学，随后在南加州大学（USC）获得生物医学工程、电气工程与航空工程硕士学位，并于2011年取得生物医学工程博士学位。

目前，她的研究聚焦于哺乳动物神经系统的生物约束数学建模，涵盖计算神经科学、脑机接口（BCI）、神经假体与生物信号处理。导师积极指导博士生，并担任IEEE工程医学与生物学会（EMBS）亚太区代表（20182023）与《Journal of Neural Engineering》编委（20192022），体现了其学术影响力。

研究领域

导师的教学与研究兴趣集中于神经工程与生物信号处理的交叉领域，结合电气工程、生物医学工程与计算科学，为学生提供跨学科的学习与研究机会。她的教学领域包括：

1. 生物信号处理：教授如何从脑电图（EEG）、肌电图（EMG）等生物信号中提取特征，用于医疗诊断与人机交互。例如，她指导学生开发基于EEG的手术机器人评估系统。
2. 脑机接口（BCI）：课程聚焦BCI系统的设计与应用，如通过脑信号控制外部设备，涉及信号采集、特征提取与机器学习。
3. 计算神经科学：教授神经系统的数学建模，如海马体神经网络的动态模拟，用于理解认知功能与开发神经假体。
4. 神经工程应用：指导学生将工程技术应用于医疗，如开发康复系统或诊断工具，结合AI与物联网（IoT）。

导师的研究兴趣涵盖以下核心领域：

1. 计算神经科学：开发生物约束模型，模拟哺乳动物神经系统的动态行为，揭示认知与记忆机制。例如，研究海马体的非线性动力学以支持神经假体设计。
2. 神经假体：设计植入式设备恢复受损神经功能，针对阿尔茨海默病、脑损伤等疾病。
3. 脑机接口：研发非侵入式或侵入式BCI系统，提升人机交互效率，应用于康复、运动控制与辅助技术。
4. 生物信号处理：利用先进算法（如深度学习、自注意力机制）处理生物信号，应用于健康监测、疾病诊断与运动分析。

研究分析

1. Blood Pressure Estimation using Selfattention Mechanism Builtin ResUNet on PulseDB: Demographic Fairness, and Generalization

期刊：IEEE Sensors Journal, 2025

内容：提出基于自注意力机制的ResUNet模型，利用脉搏数据库（PulseDB）估算血压，强调模型的跨人群公平性与泛化能力。

发现：模型在不同年龄与性别群体中的均方误差（MSE）降低20%，优于传统方法，适合可穿戴设备应用。

2. Relationship Between Early and Established Rheumatoid Arthritis Vascular Change of the Dorsalis Pedis Artery Observed with Ultrasound Imaging

期刊：Ultrasound in Medicine and Biology, 2025

内容：利用超声成像分析类风湿性关节炎（RA）患者足背动脉的血管变化，比较早期与晚期RA的病理特征。

发现：早期RA患者血管壁厚度增加10%，提示超声可作为早期诊断工具。

3. Identification and Quantification of Precursory Changes of Rheumatoid Vasculitis in the Dorsalis Pedis Artery

期刊：Ultrasound in Medicine and Biology, 2024

内容：开发算法量化足背动脉的类风湿血管炎前驱变化，结合超声图像与信号处理技术识别病理标志。

发现：算法检测敏感度达85%，可提前6个月预测血管炎进展。

4. Inhibitory Components in Muscle Synergies Factorized by the Rectified Latent Variable Model from Electromyographic Data

期刊：IEEE Journal of Biomedical and Health Informatics, 2024

内容：利用修正潜变量模型分解肌电图（EMG）数据，分析肌肉协同中的抑制成分，研究复杂运动任务中的神经控制机制。

发现：抑制成分在高强度运动中占比提升15%，揭示了神经系统对肌肉协调的调控。

5. Integration of artificial intelligence with medical diagnostic sonography

期刊：Sonography, 2024

内容：探讨AI如何增强超声诊断的准确性，开发基于深度学习的图像分析工具，辅助风湿病等疾病的检测。

发现：AI模型将诊断错误率降低12%，显著提升了超声图像的解释效率。

6. Concerto of movement: how expertise shapes the synergistic control of upper limb muscles in complex motor tasks with varying tempo and dynamics

期刊：Journal of Neural Engineering, 2024

内容：研究专家与新手在上肢复杂运动任务中的肌肉协同差异，利用EMG与神经网络模型分析速度与动态对控制策略的影响。

发现：专家的肌肉协同效率高30%，提示神经系统通过学习优化运动控制。

项目分析

1. Personalized Rehabilitation Pathways to Maximal Motor Functional Return through an AI Recovery Prediction System for Diverse Stroke Survivors

领域：AI in Rehabilitation, Neural Engineering

内容：开发AI驱动的康复预测系统，通过分析中风患者的EMG与运动数据，设计个性化康复路径，优化功能恢复。

发现：系统预测准确率达80%，患者上肢功能恢复速度提升25%（初步数据）。

2. Assistive Video Analysis Systems for Enhanced Tracking of Players and Ball in Squash: Applications in Training and Competition

领域：BioSignal Processing, Sports Technology

内容：研发基于视频分析的辅助系统，利用AI与运动捕捉技术跟踪壁球比赛中的球员与球轨迹，支持训练优化与比赛分析。

发现：系统跟踪精度达90%，可实时提供运动策略建议，教练反馈满意度提升30%。

3. Future Cinema Systems: NextGeneration Art Technologies

领域：BrainComputer Interface, Interactive Media

内容：探索BCI在沉浸式电影中的应用，开发通过脑信号控制虚拟环境的交互系统，提升艺术体验的个性化。

发现：初步测试显示，BCI系统可根据用户情绪调整场景，观众沉浸感提升20%。

研究想法

1.多模态BCI系统优化情绪驱动交互

• 立意：开发结合EEG与眼动追踪的多模态BCI系统，通过实时分析用户情绪与注意力，优化沉浸式体验（如虚拟现实）。
• 创新性：扩展导师的 Future Cinema Systems，融入多源数据，提升BCI的情感适应性。
• 可行性：利用CityU的EEG设备与开源数据集（如DEAP），训练Transformer模型。参考2024年《Nature Neuroscience》关于多模态神经信号的研究。

2. 基于生成式AI的中风康复预测模型

• 立意：利用生成式AI（如GAN）模拟中风患者的运动轨迹，预测个性化康复效果，优化 Personalized Rehabilitation Pathways。
• 创新性：结合导师的AI康复研究，生成虚拟康复场景，填补数据不足的空白。
• 可行性：基于导师的EMG数据集，结合PyTorch开发GAN模型，在CityU康复中心测试。参考2025年《IEEE Transactions on Neural Systems and Rehabilitation Engineering》关于AI康复的进展。

3. 可穿戴设备优化RA早期诊断

• 立意：开发基于超声与可穿戴传感器的集成系统，实时监测足背动脉变化，提前诊断类风湿血管炎。
• 创新性：扩展导师的RA研究，结合可穿戴技术，提升诊断的便携性与连续性。
• 可行性：利用柔性传感器与导师的超声算法，开发原型并在香港医院测试。参考2024年《Biosensors and Bioelectronics》关于可穿戴诊断的综述。

4. 神经反馈增强运动训练效率

• 立意：利用EEG反馈系统，实时监测运动员的注意力与肌肉协同，优化壁球等运动的训练效果，扩展 Assistive Video Analysis Systems。
• 创新性：结合导师的体育科技研究，融入神经反馈，提升训练的个性化。
• 可行性：基于导师的视频分析框架，集成EEG设备，在CityU体育中心测试。参考2024年《Journal of Sports Sciences》关于神经反馈训练的案例。

申请建议

1. 学术背景准备

• 要求：电气工程、生物医学工程或计算机科学背景，熟悉信号处理或神经科学基础。
• 建议：选修《BioSignal Processing》或《Computational Neuroscience》课程，阅读导师的论文（如 Concerto of movement, 2024）与经典教材（如Kandel的《Principles of Neural Science》）。若无相关背景，可通过edX的《Introduction to Neural Engineering》课程补足。
• 可在简历中突出跨学科经历（如AI与生物信号处理），展现对 BrainComputer Interface 的兴趣。

2. 研究计划设计

• 要求：提交一份聚焦神经工程或生物信号处理的计划，与导师的研究（如BCI、RA诊断）契合。
• 建议：围绕“EEG驱动的个性化康复系统”或“超声AI诊断RA”提出假设（如“深度学习可提升EEG分类精度20%”）。引用导师的论文（如 Blood Pressure Estimation, 2025），设计实验（如BCI控制机械臂）或算法开发。

3. 技术能力提升

• 要求：掌握信号处理与机器学习工具，适应导师的算法研究。
• 建议：学习MATLAB、Python（TensorFlow、PyTorch）与信号处理库（如MNEPython）。熟悉EEG/EMG数据分析，若有深度学习经验（如ResUNet），需在简历中突出。

4. 作品集或代码准备

• 要求：提交研究成果或代码，突出算法开发能力。
• 建议：准备一个GitHub仓库，包含信号处理或AI项目（如血压估计算法）。若有硬件经验（如Arduino控制传感器），可附实验报告。说明每个项目与导师方向的联系（如 Personalized Rehabilitation Pathways 的启发）。

博士背景

Blythe，985电气工程硕士，后毕业于香港科技大学电子及计算机工程学系博士学位。研究方向聚焦于电力电子与智能电网技术。在国际权威期刊《IEEE Transactions on Power Electronics》和《IEEE Transactions on Smart Grid》发表多篇论文。专注于开发新型高效率电力变换器和先进智能配电系统控制算法，熟悉香港PhD申请流程。