香港大学牙医学系全奖博士招生 | Prof. John

导师简介

如果你想申请香港大学 牙医学系博士，那今天这期文章解析可能对你有用！今天Mason学长为大家详细解析香港大学的Prof. John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！

Adeoye John教授现任香港大学（HKU）牙医学院数码及精密牙科助理教授，隶属于应用口腔科学与社区牙科护理学部（Applied Oral Sciences & Community Dental Care）。Adeoye教授毕业于拉各斯大学，以荣誉学位获得牙外科博士学位，后于香港大学攻读博士学位，研究重心聚焦于牙科领域的AI应用。学术成果上，教授累计发表40余篇同行评审论文，同时担任多本顶级医学与牙科同行评审期刊的学术编辑及评审编辑，在数字牙科与口腔癌AI研究领域具备深厚的学术积淀与广泛的行业影响力。

研究分析

Adeoye教授的研究成果紧密围绕口腔癌（Oral Cancer）核心主题，覆盖AI预测模型、人群流行病学分析、疾病热点识别等多个维度，代表性论文均发表于领域内权威期刊，研究设计兼具创新性与实用性。以下结合其近期发表成果展开分析：

1. 非洲人群成釉细胞瘤的综合分析：在《Head and Neck Pathology》（2025; 19(1): article no. 2, doi:10.1007/s12105-024-01739-x）教授团队联合多国研究者，对371例非洲人群成釉细胞瘤（Ameloblastoma）病例进行了临床、放射学及组织病理学的综合分析。成釉细胞瘤是口腔颌面部常见的良性肿瘤，但具有局部侵袭性，非洲人群相关数据较为匮乏，该研究填补了区域流行病学数据空白，为该地区疾病的精准防治提供了数据支撑。
2. 口腔潜在恶性疾病恶变预测的机器学习框架：发表于《iScience》（2025; 28(3): article no. 112062, doi:10.1016/j.isci.2025.112062）研究提出了一种基于真实世界数据的新型机器学习框架，用于提升口腔潜在恶性疾病（Oral Potentially Malignant Disorders, OPMDs）的恶变预测精度。OPMDs是口腔癌的癌前病变，早期精准预测恶变风险对降低口腔癌发病率至关重要，该框架通过整合临床真实数据，解决了传统预测方法精度不足的问题，具备直接应用于临床决策的潜力。《iScience》是Cell Press旗下的综合性开放获取期刊，2024年影响因子（IF）为4.8，该成果的发表体现了学界对其技术创新性与应用价值的认可。
3. 头颈癌农村热点区域识别：在《Cancers》（2025; 17(5): article no. 819, doi:10.3390/cancers17050819）团队采用贝叶斯映射方法（Bayesian Mapping Approach）识别头颈癌的农村热点区域。头颈癌的发病存在明显地域聚集性，农村地区由于医疗资源匮乏、筛查覆盖率低等问题，往往存在较高的漏诊率与死亡率。该研究通过精准定位高发病区域，为资源优化配置、靶向筛查提供了科学依据。《Cancers》是肿瘤领域权威期刊，2024年IF为4.8，论文的发表彰显了该研究在公共卫生领域的实践意义。
4. 口腔白斑上皮异常增生深度学习预测系统的学术回应：在《Journal of Dental Research》（2025; 104(6)）教授与合作者针对“口腔白斑上皮异常增生深度学习预测系统”相关评论信作出回应。口腔白斑是常见的OPMDs，上皮异常增生程度直接关联恶变风险，深度学习系统是该领域的研究热点，该回应围绕技术细节、验证方法等核心问题展开学术探讨，体现了教授在AI牙科应用领域的深度学术参与度。

研究想法

结合Adeoye教授的研究领域（AI在医疗健康、口腔癌、坏疽性口炎、唾液生物标志物），提出以下3项原创性研究想法，均紧扣教授核心研究方向，同时拓展研究边界：

1. 基于唾液生物标志物与AI的口腔潜在恶性疾病动态监测模型核心思路：整合唾液生物标志物检测与AI时序分析技术，构建OPMDs患者恶变风险的动态监测模型。现有研究多基于单一时间点的临床或影像学数据进行预测，而OPMDs的恶变是一个渐进过程，唾液中包含的肿瘤相关蛋白、microRNA等生物标志物可反映疾病进展状态。研究可收集OPMDs患者的长期随访唾液样本，检测多维度生物标志物水平变化，结合临床症状、影像学数据构建时序数据集，采用长短期记忆网络（LSTM）等时序AI模型，实现对恶变风险的动态预测与预警。
2. 坏疽性口炎（Cancrum Oris）的AI辅助早期筛查与风险分层模型核心思路：针对坏疽性口炎发病急、进展快、预后差且多见于资源匮乏地区的特点，开发基于移动端图像识别的AI辅助筛查工具，并结合地域流行病学数据构建风险分层模型。研究可收集不同阶段坏疽性口炎的口腔图像数据，标注典型病变特征，训练轻量级深度学习图像识别模型，适配移动端应用；同时整合地区卫生资源、人口密度、营养状况等流行病学数据，采用贝叶斯模型构建风险分层地图，为靶向筛查与资源配置提供支持。
3. 多模态数据融合的口腔癌术后复发预测AI系统核心思路：整合术后病理切片图像、临床随访数据、患者基因检测数据及生活方式信息，构建多模态融合的口腔癌术后复发预测AI系统。现有术后复发预测多依赖单一病理指标，准确性有限。研究可采用卷积神经网络（CNN）处理病理切片图像，提取微观病理特征；通过传统机器学习模型处理临床与生活方式数据；结合基因表达数据构建特征矩阵，采用注意力机制融合多模态特征，实现复发风险的精准预测，并输出关键预测因子，为术后个体化治疗方案优化提供依据。

申请建议

（一）学术背景与基础能力准备

• 专业背景匹配：优先具备牙科、口腔医学、临床医学、生物医学工程、计算机科学（AI方向）等相关专业背景。若为牙科/口腔医学专业，需夯实口腔肿瘤学、口腔病理学等核心课程基础；若为计算机/生物医学工程专业，需强化医学统计学、临床流行病学等相关知识储备，弥补医学背景短板。
• 核心技能掌握：① AI技术能力：熟练掌握至少一种编程语言（Python优先），熟悉TensorFlow、PyTorch等深度学习框架，具备机器学习/深度学习模型构建与优化的基础能力；② 数据处理能力：掌握医学数据（图像、临床数据、生物标志物数据）的预处理方法，熟悉SQL等数据管理工具；

（二）科研经历与成果准备

• 靶向参与相关科研项目：优先参与AI在医疗健康、口腔疾病诊断、肿瘤预测等相关领域的科研项目。若无法直接参与此类项目，可尝试开展小规模自主研究，例如：基于公开医学图像数据集（如Oral Cancer Dataset）构建简单的AI识别模型，或对口腔癌相关临床数据进行统计分析，积累项目经验与初步成果。
• 学术成果打磨：若有已完成的相关研究，优先整理成学术论文，尝试投稿至同行评审期刊（如《Journal of Dental Research》《Cancers》《iScience》等教授关注的期刊），即使未发表，也可作为working paper在申请材料中提交；同时可整理项目报告、研究摘要等。
• 学术交流与资源积累：积极参与口腔医学、AI医疗相关的学术会议（如国际牙科研究协会会议IADR），通过会议交流了解领域前沿动态，若有机会可与教授团队成员建立联系；同时可关注教授在HKU SCHOLARS HUB、SCOPUS、ResearchGate等平台的最新研究成果，追踪研究进展。

（三）文书材料针对性优化

• 个人陈述（Personal Statement, PS）：核心突出“专业背景匹配度”与“研究兴趣契合度”。结构建议：① 简要介绍个人学术背景与核心技能，重点突出与AI牙科、口腔癌研究相关的经历；② 明确阐述对教授研究方向的了解，结合教授的具体论文，说明研究兴趣的起源与发展；③ 简要介绍自己的科研经历，重点呈现解决问题的能力、研究思路与创新点。
• 研究计划（Research Proposal, RP）：需紧密围绕教授的研究领域，提出具体、可行的研究课题。建议：① 课题方向可基于本文提出的原创研究想法，或在教授现有研究基础上进行拓展（如优化现有AI预测模型、拓展新的应用场景等）；② 结构完整，包含研究背景与意义、文献综述（重点梳理教授及领域内相关研究）、研究目标、研究方法、预期成果、研究进度安排等部分。
• 推荐信（Recommendation Letter, RL）：优先选择了解自己科研能力、且与口腔医学或AI医疗领域相关的推荐人（如本科/硕士阶段的科研导师、项目负责人）。

博士背景

Elowen，985硕士，港大牙科学院博士生在读，研究领域涵盖口腔修复学、临床口腔、老年牙科及根管治疗。擅长开发新型修复材料与数字牙科技术，致力于提升老年患者口腔健康相关生活质量。在国际权威期刊《Journal of Dentistry》和《Dental Materials》发表多篇论文，曾获国际牙科研究协会（IADR）学生研究奖。熟悉口腔修复与临床研究的实验设计与数据分析，具备丰富的博士申请经验，擅长指导牙科相关领域的学术文书写作。