新加坡国立大学生物医学工程系全奖博士招生 | Prof. Asplund

导师简介

如果你想申请作为新加坡国立大学 生物医学工程系博士，那今天这期文章解析可能对你 有用！今天Mason学长为大详细解析新加坡国立大学的Prof. Asplund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！

作为新加坡国立大学生物医学工程系的副教授，教授是当今认知神经科学和注意控制研究领域的重要学者。导师同时在Yale-NUS College担任职务，体现了其跨学科研究的特色。教授于2003年获得普林斯顿大学认知心理学学士学位，2010年获得范德堡大学整合与认知神经科学博士学位。博士毕业后，他于2010年加入Duke-NUS医学院担任研究员，参与了Yale-NUS College的创建工作，并于2013年正式加入教师队伍。

研究领域

导师的研究核心聚焦于注意控制与意识的关系，这一研究主题在认知神经科学领域具有重要的理论价值和实践意义。他深入探索注意焦点如何受到目标、行为历史、认知状态和环境事件等多重因素的影响。虽然这些影响通常导致成功的行为，但注意力可能被错误分配或超载，例如我们可能无法看到眼前的事物，或无法同时做两件事。

在教学方面，导师主要涉及定量推理、认知心理学和人类神经科学等课程。他的研究专长包括注意控制、意识、认知神经科学和功能磁共振成像（fMRI）等领域。导师特别关注这些限制如何产生、如何规避，以及它们如何揭示控制和意识的本质。

导师的研究方法论非常全面，采用行为实验和神经影像（fMRI）实验相结合的方式。这些研究虽然以视觉基础研究为中心，但延伸到听觉和体感，以及训练和人机交互的应用工作。近年来，他还积极参与数字疗法（Digital Therapeutics）的开发，特别是通过人工智能技术个性化认知训练方案的研究。

研究分析

1. "The attentional blink reveals the probabilistic nature of discrete conscious perception"

发表期刊： Psychological Science

研究内容： 这篇具有里程碑意义的论文使用注意瞬脱范式和混合模型分析，证明了意识在信息处理的中心阶段以"全或无"的方式出现。研究发现，操纵两个目标之间的时间延迟影响了被试有意识地感知第二个目标的可能性，但不影响这种感知的精确性。

重要发现： 该研究区分了注意和意识在视觉认知中心阶段的基本贡献：有意识的感知以量子化方式出现，注意力用于调节表征达到意识的概率。这一发现对理解意识的离散性特征具有重要理论意义。

2. "Harnessing CURATE.AI as a Digital Therapeutics Platform by Identifying N‐of‐1 Learning Trajectory Profiles"

发表期刊： Advanced Therapeutics

研究内容： 该研究开创性地将CURATE.AI人工智能平台与多属性任务电池（MATB）飞行模拟器相结合，为健康志愿者创建个体化学习轨迹档案。通过调节MATB训练强度，CURATE.AI成功开发了N-of-1学习轨迹档案。

重要发现： 研究证明了个性化训练方案在优化学习效果方面的重要性，为数字疗法领域提供了新的技术路径。该工作为认知能力下降预防、学生学习优化等应用领域奠定了基础。

3. "CURATE.AI COR-Tx platform as a digital therapy and digital diagnostic for cognitive function in patients with brain tumour postradiotherapy treatment"

发表期刊： BMJ Open (2023)

研究内容： 这是一项前瞻性、单中心、单组混合方法可行性临床试验协议，旨在测试CURATE.AI COR-Tx平台作为脑肿瘤放疗后患者认知功能数字干预和数字诊断的可行性。

重要发现： 该研究将AI技术与临床应用相结合，为脑肿瘤患者的认知康复提供了创新性解决方案。研究计划招募15名患者，进行为期10周的个性化数字干预，体现了精准医学在神经康复领域的应用前景。

4. "Relationship between prediction accuracy and feature importance reliability: An empirical and theoretical study"

发表期刊： NeuroImage (2023)

研究内容： 该研究探讨了神经影像数据预测行为时，预测准确性与特征重要性可靠性之间的关系。通过2600名参与者的大样本研究，证明了在样本量充足的情况下，特征重要性可以达到良好到优秀的分半信度。

重要发现： 研究发现Haufe变换权重在认知、个性和心理健康测量方面分别达到0.75、0.57和0.53的平均类内相关系数，为神经影像学研究中特征重要性分析提供了理论指导。

5. "Exploring the General Acceptability and User Experience of a Digital Therapeutic for Cognitive Training in a Singaporean Older Adult Population"

发表期刊： JMIR Formative Research (2025)

研究内容： 该定性研究评估了新加坡老年人群对CURATE.DTx多任务数字疗法平台的接受度和用户体验。研究招募了15名老年参与者，进行90分钟的面对面会话，包括30分钟的平台测试和60分钟的半结构化访谈。

重要发现： 尽管参与者在理解某些元素方面遇到挑战，但他们对平台高度参与，认为挑战很有趣。研究为未来平台迭代和实施策略提供了重要参考。

6. "A central role for the lateral prefrontal cortex in goal-directed and stimulus-driven attention"

发表期刊： Nature Neuroscience

研究内容： 该研究使用fMRI技术研究了外侧前额叶皮层在目标导向和刺激驱动注意中的作用。通过精心设计的实验范式，研究者揭示了前额叶皮层在不同类型注意控制中的核心作用。

重要发现： 研究确立了外侧前额叶皮层在注意控制中的关键地位，为理解注意网络的神经基础提供了重要证据。这一发现对注意缺陷障碍的理解和治疗具有重要临床意义。

项目分析

1. CURATE.AI数字疗法平台开发项目

项目领域： 人工智能驱动的个性化医疗

研究内容： 该项目由导师与Dean Ho教授共同领导，旨在开发基于人工智能的个性化数字疗法平台。CURATE.AI平台能够根据个体表现数据创建个性化档案，使认知训练能够根据个人的学习习惯和能力进行定制。

重要发现： 项目证明了AI指导的动态个性化可以克服传统训练方法的局限性。研究发现，虽然某些参与者在高强度水平下表现出色，但其他人在较低强度水平下可能表现更好，这表明训练强度应该根据参与者不断变化的反应进行动态调整。

2. 脑肿瘤患者放疗后认知康复项目

项目领域： 临床神经康复与精准医学

研究内容： 这是一项多中心临床试验项目，专门针对脑肿瘤放疗后患者的认知功能恢复。项目将CURATE.AI COR-Tx平台作为数字疗法和数字诊断工具，为患者提供个性化的认知训练方案。

重要发现： 项目创新性地将人工智能技术应用于神经肿瘤学领域的认知康复，为传统固定剂量治疗模式提供了替代方案。通过动态调整治疗强度，项目预期能够显著改善患者的认知功能恢复效果。

3. 多任务训练的N-of-1干预研究项目

项目编号： NCT03832101

项目领域： 认知训练与个体差异研究

研究内容： 该项目是一项注册的N-of-1干预性人体研究，专注于多任务训练效果的个体化评估。项目计划招募多达100名受试者，使用先进的认知任务范式评估个体在多任务环境下的表现。

重要发现： 项目采用N-of-1研究设计，能够深入分析每个个体的独特学习轨迹和训练反应模式。这种方法有助于识别影响多任务表现的个体因素，为个性化认知训练提供科学依据。

研究想法

1. 个性化神经反馈的注意训练系统

• 研究立意： 结合实时fMRI神经反馈技术与CURATE.AI平台，开发基于个体神经活动模式的注意训练系统。该系统能够实时监测前额叶和顶叶的注意网络活动，动态调整训练难度和任务类型。
• 创新性： 首次将神经反馈技术与AI驱动的个性化训练相结合，实现"神经-行为-AI"的三层闭环系统。
• 可行性： 基于导师在注意控制和CURATE.AI方面的技术积累，结合NUS先进的神经影像设备，技术可行性较高。

2. 多模态感知整合的意识阈值动态建模

• 研究立意： 探索视觉、听觉、触觉多模态刺激整合过程中的意识阈值变化规律，建立基于贝叶斯推理的动态意识模型。研究将结合EEG和fMRI技术，分析不同感觉模态信息整合对意识阈值的影响。
• 创新性： 从单一视觉模态扩展到多模态整合，首次系统性研究多感觉整合对意识阈值的调制机制。
• 可行性： 导师在注意瞬脱研究方面的深厚基础，为扩展至多模态研究提供了理论和方法学支撑。

3. 老龄化社会的认知储备数字干预系统

• 研究立意： 基于新加坡老龄化人口特点，开发文化适应性的认知储备数字干预系统。系统将整合语言、文化和社会因素，为不同教育背景的老年人提供个性化认知训练。
• 创新性： 首次考虑亚洲文化背景下的认知训练差异，开发多语言、文化敏感的数字疗法平台。
• 可行性： 基于导师在新加坡老年人数字疗法接受度研究的基础，具有良好的本土化应用前景。

4. 脑机接口辅助的认知康复智能评估系统

• 研究立意： 开发结合脑机接口技术的认知康复评估系统，实时监测患者的认知状态变化，为脑外伤、中风等神经疾病患者提供精准的康复方案。
• 创新性： 将非侵入性脑机接口技术与认知康复相结合，实现认知状态的实时监测和动态调整。
• 可行性： NUS在神经工程方面的技术优势，结合导师在认知评估方面的专长，为项目实施提供了技术保障。

申请建议

1. 学术背景准备

• 编程能力：熟练掌握Python、MATLAB、R等数据分析工具，特别是在神经影像数据处理（如SPM、FSL、AFNI）方面的应用能力
• 统计分析：深入理解混合效应模型、贝叶斯统计、机器学习算法，特别是在神经科学数据分析中的应用
• 实验设计：掌握心理物理学实验设计原理，熟悉E-Prime、PsychoPy等实验程序编写软件
• 神经影像学基础：理解fMRI、EEG的基本原理和数据处理流程，具备独立分析神经影像数据的能力

2. 研究经验积累策略

• 至少1-2年的认知神经科学或相关领域实验室经验
• 独立完成过fMRI或EEG实验的全流程（从实验设计到数据分析）
• 有参与人体被试实验的伦理培训经历
• 具备团队合作经验，特别是跨学科项目的参与经历

3. 研究提案撰写要点

选题策略：

• 关注导师近期研究兴趣的变化趋势，特别是数字疗法和临床应用方向
• 提出能够整合导师多个研究主题的综合性问题
• 考虑研究的临床转化价值和社会影响

提案结构优化：

• 研究背景：深入分析导师相关研究的理论脉络和未解决问题
• 创新点明确：清晰阐述研究的理论创新和方法学贡献
• 技术路线：详细描述实验设计、数据收集和分析方法

4. 申请材料个性化策略

• 突出自己在跨学科背景方面的优势（如心理学+工程学、神经科学+计算机科学）
• 展现对导师研究领域的深入理解，而非泛泛而谈
• 强调自己的独立研究能力和解决复杂问题的经验
• 体现对新加坡多元文化环境的适应能力和兴趣

博士背景

Darwin，985生物医学工程系博士生，专注于合成生物学和再生医学的交叉研究。擅长运用基因编辑技术和组织工程方法，探索人工器官构建和个性化医疗的新途径。在研究CRISPR-Cas9系统在干细胞定向分化中的应用方面取得重要突破。曾获国家自然科学基金优秀青年科学基金项目资助，研究成果发表于《Nature Biotechnology》和《Biomaterials》等顶级期刊。