今天，我们为大家解析的是莱顿大学博士研究项目。
“PhD Student (1.0 FTE) Behavioral neuroscience with a focus on epilepsy”
学校及专业介绍
学校概况
莱顿大学(Leiden University)创建于1575年，是欧洲历史最悠久的顶尖研究型大学之一，也是荷兰最古老的大学。大学位于荷兰历史文化名城莱顿，距离阿姆斯特丹约30分钟车程。作为一所国际化程度极高的高等学府，莱顿大学拥有7个学院，提供近50个学士学位项目和超过70个硕士项目，在校学生约33,000人，其中国际学生比例约为20%。学校在人文科学、社会科学、自然科学等多个领域享有世界级声誉，尤其在法学、人文学科和社会行为科学方面处于国际领先地位。
据US News全球大学排名，莱顿大学位列全球第56位。在学科排名方面，神经科学与行为学领域排名全球第64位，精神病学/心理学领域位列全球第57位。根据edurank的数据，在心理学领域，莱顿大学在荷兰排名第8位，全球排名第151位。莱顿大学也是荷兰最古老的大学，具有丰富的学术传统与创新精神。
院系介绍
本项目所在的社会和行为科学学院（Faculty of Social and Behavioural Sciences）是莱顿大学的重要学院之一，下设五个研究所：科学技术研究中心、文化人类学与发展社会学研究所、政治学研究所和心理学研究所。学院拥有约7000名学生和1000名教职员工，不仅提供高质量教育，还开展着突破性研究，不断推动人类行为和社会结构理解的边界。
心理学研究所（Institute of Psychology）是该学院的核心部门之一，致力于培养新一代能够应对当今和未来社会挑战的人才。研究所拥有约5000名学生和600名教职员工，包括研究所办公室、本科教育系以及6个教育和研究单位：健康、医学和神经心理学、临床心理学、认知心理学、发展和教育心理学、社会、经济和组织心理学，以及方法和统计学。
招生专业介绍
本次招生项目为行为神经科学博士项目，重点关注癫痫研究。该项目致力于探索行为与脑健康之间的复杂关系，特别是通过分析日常行为模式来开发脑健康的新测量方法。项目的核心创新点在于将研究重点扩展到癫痫患者的智能手机交互行为分析，探究重大生活事件（如癫痫发作或日常压力）如何反映在日常行为中。
毕业生就业前景广阔，可在学术研究机构、医疗卫生组织、科技公司、制药企业等领域发展。特别是在数字健康、神经科学研究、精准医疗等快速发展的领域，具备神经行为科学和数据分析能力的专业人才需求旺盛。
申请要求
- 学术背景要求：申请者需具有土木工程、化学工程、机械工程或采矿工程相关领域的学历。学历需与拟申请的博士项目相关，具有足够的专业知识，以表明已经对相关领域的知识体系有了理解和掌握。
- 研究能力：申请者需具备数值模拟/CFD建模的背景或知识，并且在数值模拟/CFD建模和实验方面有过参与经验，这些都是非常重要的加分项。
项目特色与优势
- 跨学科研究：融合行为科学、神经科学、数据科学和临床医学
- 创新研究方向：利用智能手机行为数据分析脑健康，属于神经行为科学前沿领域
- 长期追踪研究：将从大型队列中收集多年的行为、生理和大脑测量数据
- 国际合作网络：与临床合作伙伴密切合作，具有丰富的研究资源
- 先进研究方法：应用复杂性科学、机器学习和高级数据分析技术
有话说
项目理解
- 交叉学科该项目位于行为神经科学、数据科学和临床医学的交叉领域，通过整合多学科方法来研究复杂的脑-行为关系。项目不仅关注传统的神经生理学测量，还将日常行为数据（如智能手机使用）作为关键研究对象，开创了理解大脑健康的新路径。
- 研究目标项目的核心目标是通过分析日常行为模式开发脑健康的新测量方法，特别是研究癫痫患者的智能手机交互行为。通过长期追踪癫痫患者的行为、生理和大脑活动，揭示重大生活事件（如癫痫发作或日常压力）如何反映在日常行为中，最终开发可靠的行为指标来监测脑健康状况。
- 技术手段该项目采用多元化的研究方法，包括智能手机行为数据捕获和分析、脑电图(EEG)监测、机器学习和人工智能模型构建、复杂性科学分析方法等。特别是通过分析智能手机触屏交互的时间模式，开发行为信号的新型分析框架，以揭示其与脑功能的关系。
- 理论贡献在理论层面，该项目有望深化我们对神经-行为关系的理解，特别是探索日常行为模式如何反映潜在的大脑状态。项目将挑战传统的神经病理学评估方法，提出行为表型(behavioral phenotyping)的新概念，为理解复杂神经系统疾病提供新的理论框架。
- 应用价值从应用角度看，该研究可能彻底改变癫痫患者的监测和管理方式。通过智能手机收集的被动行为数据，可以开发出无创、连续的脑健康监测系统，帮助医生更准确地识别癫痫发作前兆、评估药物疗效、调整治疗方案，并为患者提供更个性化的支持。
创新思考
- 前沿方向：行为神经经济学与癫痫研究的结合是一个富有前景的方向，可探索癫痫患者在日常决策中的风险评估和奖励处理机制。这种结合可能揭示癫痫对决策过程的影响，并为理解病理决策提供新的神经生物学视角，也可能带来针对性的认知行为干预方法。
- 技术手段多模态生物标记物整合技术是值得发展的方向，可将智能手机行为数据与可穿戴设备数据(心率变异性、皮肤电反应)、微表情分析和语音模式等结合。通过深度学习算法整合这些多源数据，可构建更全面、精准的脑健康预测模型，提高癫痫预测的敏感性和特异性。
- 理论框架动态网络理论框架可用于癫痫行为模式分析，将大脑视为由多个相互连接的功能网络组成的复杂系统。该框架可解释癫痫如何通过干扰这些网络的协调而影响行为，并有助于识别网络稳定性的关键节点，为精准干预提供理论基础。
- 应用拓展该项目的研究方法可扩展到其他神经系统疾病，如帕金森病、阿尔茨海默病和精神分裂症等。通过比较不同神经病理学条件下的行为模式，可识别疾病特异性和共享的行为标记，为多种神经退行性疾病的早期检测和监测开发统一的数字行为评估平台。
- 实践意义开发基于行为的个性化治疗响应评估系统具有重要实践意义。通过分析药物调整前后的行为变化模式，可客观评估治疗效果并及时调整，减少副作用影响，提高患者依从性。这种系统还能支持远程医疗监测，特别适合资源有限地区和行动不便患者。
- 国际视野构建国际化癫痫行为数据库是提高项目国际影响力的关键，可收集多国、多民族患者的行为数据，探索文化和社会环境对癫痫行为表现的影响。这种大规模跨文化比较可揭示癫痫的普遍特征与文化特异性表现，促进全球癫痫研究标准化。
- 交叉创新将社会计算与癫痫研究结合是一个创新思路，可分析癫痫患者的社交媒体活动、社交网络结构和社交互动模式。这种方法可揭示癫痫对社交行为的影响，理解社会支持对疾病管理的作用，并可能开发基于社区的干预策略，改善患者生活质量。
- 其他创新点发展人工智能驱动的癫痫自我管理系统是另一创新方向，可整合被动行为监测与主动反馈干预。系统可学习个体的行为模式，在检测到异常行为时提供及时干预，并随着时间推移自我优化。这种个性化系统可提高患者自我管理能力，减少医疗资源需求，同时为研究人员提供丰富数据。
博士背景
Neuron Zhang，北京大学神经科学研究所博士生，专注于认知神经科学和神经可塑性研究。擅长运用功能性磁共振成像（fMRI）和脑电图（EEG）技术，探索人类高级认知功能的神经机制。在研究长期冥想对大脑结构和功能影响方面取得重要突破。曾获国家奖学金和中国认知科学学会青年科学家奖。研究成果发表于《Nature Neuroscience》和《Neuron》等顶级期刊。
【竞赛报名/项目咨询+微信：mollywei007】
