香港城市大学博士导师（Ho Man CHAN教授）

招生要求

- 学历背景：正规大学的硕士学位（或同等学历）持有者可申请；持有正规大学学士学位及一级荣誉学位（或同等学历）者亦具备申请资格。电气工程、生物医学工程、计算机科学、神经科学等相关理工科专业背景的申请者将被优先考虑。

- 英语能力：必须提供英语水平证明，托福网考需达到79分及以上，或雅思学术类考试需取得6.5分及以上成绩。其他等效英语能力认证可能获认可。

- 学术能力：需提交本科与硕士阶段的完整成绩单（需附带评分标准说明），GPA需达到院校规定的优良标准。有相关科研经历，或在IEEE系列期刊、Journal of Neural Engineering等领域内期刊发表过论文者，在评审中更具优势。

- 申请材料：在线申请表、学历学位证书及成绩单、英语能力证明、个人陈述、契合Prof. Ho Man CHAN研究方向的研究计划、2-3封学术推荐信、包含科研经历与获奖情况的个人简历均需提交。尚未毕业者需提供预计毕业证明。

- 申请时间：全奖项目的申请截止日期一般为每年12月1日，申请者需在此日期前通过学校官网及相关奖学金系统完成提交。

香港城市大学博士招生以学术能力为核心评估指标。Prof. Ho Man CHAN所在的电气工程系因研究涉及多学科交叉，虽对跨专业申请者开放，但格外看重其是否具备工程与神经科学交叉的基础素养。英语成绩要求旨在保障国际学术交流的顺畅，而研究计划的契合度是筛选关键——需充分展现对脑机接口、神经假体等领域的认知，这与Prof. Ho Man CHAN的研究方向直接挂钩。全奖资助按香港城市大学标准执行，优秀申请者可额外角逐港府奖学金。

研究方向

- Brain-Computer Interface（脑机接口）：以脑机接口技术的临床转化和性能提升为核心，开展基于EEG的设备研发与信号解码研究。曾通过EEG评估手术机器人易用性，相关成果发表于Journal of Neural Engineering；近年亦探究老龄化对脑电振荡的作用，分析不同性别在低alpha和低beta波段的神经活动差异。

- Computational Neuroscience（计算神经科学）：借助数学建模与机器学习手段解析神经信号机制，重点研究神经表征可塑性与神经振荡动力学。开发的Rectified Latent Variable Model可用于解析肌电信号中的抑制性肌肉协同成分，该研究已发表于IEEE Journal of Biomedical and Health Informatics。

- Neural Prosthesis（神经假体）：致力于认知与运动功能修复假体的研发，早期通过海马体认知假体的非线性建模斩获IEEE Transactions on Neural Systems and Rehabilitation Engineering杰出论文奖。近年聚焦卒中后下肢康复，结合肌肉协同原理与多通道功能性电刺激技术开发康复设备。

- Bio-Signal Processing（生物信号处理）：钻研多模态生物信号的采集与智能分析技术，涵盖EEG、肌电信号（EMG）、脉搏信号等。提出的基于ResUNet内置自注意力机制的血压估计方法，解决了 demographic fairness 与模型泛化性难题，成果刊载于IEEE Sensors Journal。

Prof. Ho Man CHAN的研究形成了“技术基础-机制解析-临床应用”的完整体系：以生物信号处理为技术支撑，为脑机接口与神经假体的硬件研发提供基础，通过计算神经科学解析生理机制，最终应用于康复医疗等实际场景。2024-2025年的研究成果表明，其团队正加大AI技术的融合应用，将深度学习用于信号解码与模型优化，同时聚焦老龄化、运动康复等现实需求，实现了基础研究与应用研究的同步推进。

Mason博士有想法

- 神经表征漂移自适应的长期脑机接口系统开发：现有脑机接口常因神经表征随学习漂移而性能下降，依托Prof. Ho Man CHAN在神经信号建模与深度学习的积累，开发融合Continual Learning算法的自适应AI模型。采集卒中患者6-12个月的EEG动态数据，训练模型实时追踪神经编码模式的空间偏移，目标是打造无需频繁校准即可稳定运行的非侵入式脑机接口，增强下肢康复训练的连续性与有效性。

- 老龄化肌电信号特征提取与康复假体个性化适配：基于团队在肌电信号 factorization与老龄化神经研究的成果，系统采集20-30岁、60-70岁两个年龄层健康人群与卒中患者的肌电数据，利用Rectified Latent Variable Model解析年龄相关的抑制性肌肉协同差异。基于提取的特征研发个性化神经假体调控算法，解决老年患者康复假体适配性不足的问题，预计可将假体控制准确率提高15%-20%。

- AIoT融合的运动功能评估与康复闭环系统研究：结合团队获IGED金奖的AIoT技术与卒中康复研究基础，构建集成可穿戴传感器、边缘计算模块与云端数据库的闭环系统。通过传感器实时采集患者运动数据与生理信号，采用轻量化AI模型在线评估康复效果，自动生成个性化训练方案并驱动功能性电刺激设备，实现“评估-干预-反馈”一体化康复管理，适用于家庭与临床场景。