CS能和哪些专业结合增加申请优势？

计算机方向课题

1. 基于深度学习的非配对多模态核磁共振图像生成

如今，多模态磁共振成像 （MRI）被认为是诊断脑神经系统疾病的最主要工具之一。该项目的总体目标是提出一种新的基于深度学习的高保真MRI脉冲序列生成模型，用于肿瘤分割和生存预测等下游任务。

相关学科

生物医学工程；计算机科学技术

2. 基于大脑可控性分析的阿尔兹海默症的早期诊断

该项目关注于通过大脑可控性分析，探索用于早期诊断阿尔兹海默症的新型神经生物标志物。我们将进行大脑可控性分析，以研究大脑的神经动态特性和由认知功能障碍引起的神经控制模式的改变。

相关学科

生物医学工程；计算机科学技术

3.夜间模式下的自动驾驶场景预测和语义理解

夜间由于光线不充足，人们识别周围场景的能力大大降低，自动驾驶汽车的夜间行车安全也越来越受到人们的关注。这使得对夜视图像的理解极具挑战。使用深度学习方法将可见光和红外光结合起来并进行精确的预测。

相关学科

计算机科学技术

4.利用深度神经网络进行医学图像重建与压缩

本项目关注于怎样通过人工神经网络和深度学习方法，克服大型医学图像的储存和传输的挑战，并构建一个图像重建与压缩一体化的架构。我们会整合图像重建和压缩的流程，来实现高效的一体化的医学图像重建和压缩的算法。

相关学科

计算机科学技术

5.烧热水用来制冷？余热回收吸收式制冷系统研究

本项目关注在能源危机大背景下，利用余热资源进行制冷的方法值得探索。利用系统设计软件，如Simulink，Visio等，建立合理的吸收式制冷循环，对系统参数进行数据分析与结构优化，确定系统循环参数。

相关学科

物理学；计算机科学技术

6. 脑功能超声成像深度学习平台

功能超声（fUS）是一种创新的成像方式，本研究旨在利用卷积神经网络构建深度学习平台，用以显著减轻数据处理负担。此外，训练后的网络将与成像系统集成，在体内实验中进行验证，以测试算法的可靠性。

相关学科

生物医学工程；计算机科学技术

7.基于变换域技术和深度学习方法的高维图像去噪

日常生活中，人们常见的几种图像常常夹杂着噪点。我们将在合成数据集和真实数据集上广泛比较超过20种方法，还将引入新的数据集用于基准测试。评估将从四个不同的角度进行。

相关学科

计算机科学技术