徐宏明

个人信息Personal Information

副教授

硕士生导师

主要任职:Associate Professor

性别:男

毕业院校:阿尔伯塔大学

学位:博士

所在单位:生物医学工程学院

办公地点:大连理工大学北门创新园大厦A1227

联系方式:mxu@dlut.edu.cn

电子邮箱:mxu@dlut.edu.cn

扫描关注

个人简介Personal Profile

徐宏明,现为大连理工大学医学部生物医学工程学院,副教授,硕士生导师;2017-2020 年于美国克利夫兰诊所(Cleveland Clinic,全美医院排名前2名)开展博士后研究,2017年7月博士毕业于加拿大阿尔伯塔大学 (University of Alberta,全加大学排名前5名) 电子与计算机工程系;先后获得大连市高层次人才“青年才俊”(2021年),大连市引进海外中国籍高层次人才“青年项目”(2022年)等荣誉。主要研究方向为:肿瘤计算病理分析、医学影像大数据处理、医疗人工智能(机器学习和计算机视觉)等医工交叉研究方向。目前主持国家自然科学基金一项,校引进人才基本科研业务费一项,共同主持辽宁省基础应用研究项目一项,辽宁省医工交叉项目一项,作为课题骨干参与科技部重点研发项目一项,大连理工大学-辽宁省肿瘤医院医工交叉项目2项。已在IEEE-RBME(2022 IF=17.6), IEEE-JBHI(2022 IF=7.7),IEEE-TBME(2022 IF=4.6),IEEE/ACM-TCBB(2022 IF=4.5)等国际权威期刊及会议, 以第一作者或通讯作者发表论文30余篇。


欢迎熟悉Pytorch或Tensorflow等深度学习框架,熟悉Python & Matlab & R 编程,对医疗影像人工智能感兴趣的同学联系我,在我们团队攻读硕士或博士,我们支持并提供进行海外学习或科研合作的机会。


欢迎有志于医疗影像AI的同学加入我们研究队伍!团队目前主要从事面向各类肿瘤患者的全幅数字病理切片计算,利用深度学习技术,研发AI算法实现肿瘤患者的计算机辅助诊断、分级评价及临床结果预后分析等。面向人民生命健康,促进医院病理科的信息化,助力肿瘤患者精准医疗/个体化医疗的发展,为肿瘤患者的诊治提供技术支持,这些是我们长久的工作目标。


我们支持鼓励学生发表医工交叉领域国际顶刊/顶会论文,工程计算类IEEE系列期刊、CNS系列及子刊均是我们感兴趣的发表刊物。


欢迎善于编程的本科同学与我联系,参与到医疗AI研究工作中,我们会根据科研贡献给与相应报酬补贴,大力支持学生未来的职业发展。



欢迎访问我的Github个人主页,了解更多研究工作的信息!(Welcome to visit my Github home page for more information):https://xhm1014.github.io/index.html

  • 教育经历Education Background
  • 工作经历Work Experience
  • 研究方向Research Focus
  • 社会兼职Social Affiliations
  • Compuational Radiology and Pathology Integration:

    Integrating radiological and patholgical image computing by making using machine learning and computer vision algorithms, especially deep learning models. The aim is to assist in computer-aided diagnosis and/or prognosis in biomecial imaging fields.

  • Computational Pathology for Computer-aided Prognosis (CAP):

    Developing computer-aided prognosis system by performing histopathological image analysis using machine learning and computer vision algorithms, especially deep learning models. The projects are to predict patient survival risks, genomic biomarkers related to patient treatments, and etc. The aim is to help in achieving precise medicine.


  • Computational Pathology for Computer-aided Diagnosis (CAD):

    Developing computer-aided diagnosis system by performing histopathological image analysis using machine learning and computer vision algorithms, especially deep learning models. The aim is to assist pathologists in tumor/cancer diagnosis and grading.