朱海麒

基本信息 论文著作 研究方向 新建主栏目 基本信息 名称 朱海麒，男，博士，哈尔滨工业大学医学与健康学院助理教授，硕士生导师。分别于 2017 年、2019 年和2023 年在哈尔滨工业大学获得软件工程专业工学学士、工程硕士和计算机科学与技术专业工学博士学位，入选哈尔滨工业大学“春雁英才计划”。致力于综合运用人工智能、信息技术等方面的知识，解决与智慧医疗及智慧医疗设备相关的复杂科学问题。 先后主持并参与国家部委、国家重点研发计划、国家自然科学基金、企业科技合作等多项科研项目。 在国际知名期刊上发表论文 8 篇（包括 IEEE TIM, IEEE IoTJ, PRL 等）。 研究方向：神经信号分析（睡眠相关），医疗领域通用大语言模型，复杂系统设备健康状态诊断，多智能体强化学习 每年招收生物医学工程专业硕士研究生 1-2 名。 教育经历 名称 2013-2017 哈尔滨工业大学 软件学院 软件工程 学士 2017-2019 哈尔滨工业大学 计算机科学与技术学院 软件工程 硕士 2019-2023 哈尔滨工业大学 计算学部 计算机科学与技术 博士 工作经历 名称 2023.11 -至今 哈尔滨工业大学 医学与健康学院 助理教授（春雁计划） 2024.04-至今 哈尔滨工业大学 医学与健康学院 助理教授，硕士生导师 学术兼职 名称 中国计算机学会人工智能与模式识别、大数据、物联网专委会委员 诺丁汉大学马来西亚分校兼职博士生导师 IEEE TNNLS，IEEE IoTJ，Sensors，Applied Science，Mobile Networks and Applications 等期刊审稿人 友情链接 链接名称 姜峰教授 链接地址 https://homepage.hit.edu.cn/jiangfeng?lang=zh 简单介绍 链接名称 衣淳植副教授 链接地址 https://homepage.hit.edu.cn/yichunzhi?lang=zh 简单介绍 论文期刊 论文标题 An Interpretable Multivariate Time-series Anomaly Detection Method in Cyber-Physical Systems Based on Adaptive Mask 作者 Haiqi Zhu；Chunzhi Yi；Seungmin Rho；Shaohui Liu；Feng Jiang 发表时间 2024 期刊名称 IEEE Internet of Things Journal 期卷 11(2): 2728-2740 简单介绍 中科院一区 Top 期刊 论文标题 Learning Spatial Graph Structure for Multivariate KPI Anomaly Detection in Large-scale Cyber-Physical Systems 作者 Haiqi Zhu；Seungmin Rho；Shaohui Liu；Feng Jiang 发表时间 2023 期刊名称 IEEE Transactions on Instrumentation and Measurement 期卷 72:1-16 简单介绍 中科院二区 Top 期刊 论文标题 Adversarial training of LSTM-ED based on anomaly detection for complex time-series in cyber-physical-social systems 作者 Haiqi Zhu；Shaohui Liu；Feng Jiang 发表时间 2022 期刊名称 Pattern Recognition Letters 期卷 164:132-139 简单介绍 论文标题 Long Short Term Memory Networks Based on Anomaly Detection for KPIs 作者 Haiqi Zhu；Fanzhi Meng；Seungmin Rho；Mohan Li；Jianyu Wang；Shaohui Liu；Feng Jiang 发表时间 2019 期刊名称 Computers, Materials & Continua 期卷 000(008):829-847 简单介绍 招生信息 名称 本课题组由医学与健康学院、机电工程学院、计算学部师生共同构成，聚焦于人工智能与生物医学交叉领域内前沿科学问题，包括复杂系统时间序列建模、神经信号分析、多智能体强化学习以及通用大语言模型等关键技术。 每年招收生物医学工程专业硕士生，本科生、硕士生招生方向： 1.复杂系统时间序列建模：主要面向复杂系统（包括但不限于医疗系统、生理系统）中状态监测产生的海量时间序列，利用深度学习、人工智能技术完成系统状态建模与内在关联分析，实现快速准确的状态预测、异常检测及故障诊断等任务。针对相关领域内复杂系统中资源分散、时延敏感、机理复杂等特点，开展跨领域、跨场景、跨任务下的应用级技术研究。 （1）复杂系统数据驱动建模。面向系统演化生成的多模态数据，自动推断系统的动力学规律极其相互作用网络，研究复杂系统状态逆向表征、检测及预测方法。 （2）大数据驱动的业务过程数据与系统故障因果推断。研究多元复杂场景下时序数据建模、数据规范与采集方法；数据驱动的多过程数据模型构建、评估以及数据模型与机理模型的融合理论和方法。 （3）探究“时间-环境-事件-系统行为”链路内的复杂系统内在基础反馈机制。 （4）复杂系统健康相关智能动态不确定因果推断技术。建立“环境-数据库-用户操作-系统行为/状态”多层融合感知机制，构建涵盖用户、业务、数据库等要素的复杂系统健康状态回溯机理模型。 2.神经信号分析（睡眠相关）：随着神经科学的快速发展，神经信号分析算法也变得越来越重要。神经信号是一种复杂的生理信号，它是大脑和神经系统正常运行的重要组成部分。因此神经信号分析算法的研究对于探索神经系统功能和疾病治疗具有重要意义。当前本部分重点针对睡眠状态检测、睡眠相关疾病及情绪与睡眠关系三方面问题开展相关神经信号分析算法研究，结合计算机科学领域内人工智能前沿技术，研究基于脑电信号的睡眠阶段自动分期方法、基于睡眠脑电信号和深度学习的抑郁症识别以及基于深度学习的失眠症辅助诊断方法。 （1）面向失眠、嗜睡等睡眠障碍疾病及失眠引发的抑郁等精神疾病诊疗过程，通过数据驱动建模方法，研究基于EEG信号的睡眠阶段自动分期、睡眠障碍辅助诊疗及抑郁患者睡眠障碍非药物干预等多种睡眠相关神经信号分析方法。 （2）进一步研发医疗级睡眠监测设备及监护软件，形成完整智能睡眠监护解决方案，强化睡眠监测在养老服务、精神疾病诊疗场景下的交互作用，形成睡眠监测生态闭环。 3.医疗领域通用大语言模型：随着线上医疗咨询对话数据的积累和智能对话系统等新兴技术的飞速发展，对话式智能疾病诊断得到业界和学术界的关注，可以缓解医疗资源压力并为用户提供及时有效的医疗保健辅助支持，具有重要的理论和现实意义。除此之外，当前语言大模型LLM的发展使得对话系统的智能程度逐渐增强，如何将语言大模型应用到医疗诊断过程中也是医学领域内当前重点研究问题。 （1）多模态数据融合表征。重点关注人类健康状态相关数据及多域知识图谱，研究多模态数据融合的健康状态表征方法。 （2）多领域知识融合表达。针对诊疗过程中多域知识聚合特点，研究多种知识发现及图谱构建方法，进而研究多领域知识图谱融合方法。 （3）疾病健康隐式关联挖掘。根据先验医学知识约束，研究跨模态数据的动态因果关联规则发现，挖掘人体健康状态与疾病隐患之间隐含关联关系。 4.多智能体强化学习：重点关注无人系统博弈策略与多疾病连续诊疗策略研究。 要求：自我驱动、主动学习、善于合作沟通、对科研有热情 申请材料：简历、成绩单、简要说明申请理由 欢迎计算机、电信、自动化、生物医学工程、医学信息学等专业有志青年加入！