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”,大连市引进海外中国籍高层次人才“青年项目”,辽宁省兴辽英才计划”博士后储备项目支持。主要研究方向为:医疗人工智能(机器学习和计算机视觉)、肿瘤计算病理分析、医学影像大数据处理、多模态数据挖掘等医工交叉研究方向。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,辽宁省医工交叉项目各一项,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两项。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)等行业内高水平期刊及会议发表论文>40篇,其中第一作者或通讯作者论文30余篇,包括1篇ESI高被引论文《Vision Transformers for Computational Histopathology》1篇年度高引用(Top Cited Article 2022-2023)论文《Spatial analysis of tumor-infi ltrating lymphocytes in histologicalsections using deep learning techniques predicts survival incolorectal carcinoma》


欢迎有志于医疗人工智能研究方向的同学加入我们课题组!课题组目前主要面向各类肿瘤患者全幅数字病理切片、放射组学影像、基因组学数据分析开展研究,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,促进医疗信息化发展,助力肿瘤患者精准医疗/个体化医疗的进步,为肿瘤患者的诊治提供技术支持。


欢迎熟悉Pytorch或Tensorflow等深度学习框架,熟悉Python & Matlab & R 编程的同学与我们洽谈联系,课题组常年招收本科实习生、硕士、博士、博士后人员,具体如下:


1、招收大工校内本科生,参与科研项目,大创项目及各类竞赛;

2、招收国内各高校保研、考研的硕士研究生,提供国内硕士3年+海外博士4年的培养方案;

3、招收大工生物医学工程、计算机、软件、人工智能、信通等工科背景的硕士应届毕业生,提供海外博士4年、国内外双导师制的培养方案;

4、招收从事医疗人工智能方向、具有高水平论文发表经验的博士后(洽谈待遇、培养方案等事宜




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.