导师简介
如果你想申请美国纽约大学 生物医学系博士，那今天这期文章解析可能对你有用！今天Mason学长为大详细解析纽约大学的Prof.Faghih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！
教授现任纽约大学坦顿工程学院生物医学工程副教授，同时也是纽约大学城市科学和进步中心（CUSP）的成员。教授拥有麻省理工学院（MIT）电气工程与计算机科学（EECS）博士学位，并在MIT的脑与认知科学系（BCS）和皮考尔研究所（Picower Institute）完成了博士后研究。她的研究团队主要围绕计算医学实验室开展工作，自2022年转至NYU坦顿工程学院以来，已取得了一系列显著的研究成果。
研究领域
教授的研究兴趣主要集中在以下几个领域：
- 生物医学系统的控制、估计和系统识别
- 生物医学数据科学和计算方法
- 生物医学和神经信号处理
- 可穿戴计算技术
- 生理建模与信息物理系统（Cyber Physical Systems）
研究分析
1. "Marked Point Process Secretory Events Statistically Characterize Leptin Pulsatile Dynamics"
发表于 Journal of the Endocrine Society (2024)
这项研究运用标记点过程模型来描述瘦素激素的脉冲分泌模式。研究团队分析了瘦素激素分泌的时间特性和幅度变化，为理解肥胖机制提供了新的视角。瘦素是一种与食欲控制和能量平衡相关的关键激素，其分泌模式的异常可能与肥胖症有关。这项研究为开发新的肥胖诊断和治疗方法提供了理论基础。
2. "Eye tracking is more sensitive than skin conductance response in detecting mild environmental stimuli"
发表于 PNAS nexus (2024)
这项研究比较了眼动追踪和皮肤电反应在检测微弱环境刺激时的敏感性。研究发现眼动追踪技术能够捕捉到皮肤电反应无法探测的微弱刺激变化，为脑机接口和认知状态监测提供了更灵敏的工具。这一发现对于开发更精确的生理反应监测系统具有重要价值，特别是在需要实时监测注意力和情绪状态的应用场景中。
3. "Bayesian inference of hidden cognitive performance and arousal states in presence of music"
发表于 IEEE Open Journal of Engineering in Medicine and Biology (2024)
这项研究使用贝叶斯推断方法，探索了音乐对认知表现和唤醒状态的影响。研究设计了一个状态空间模型，能够从行为数据中解码隐藏的认知状态，并评估不同音乐类型对工作效率的影响。这一研究为优化工作和学习环境提供了科学依据，有助于建立个性化的环境调节系统。
4. "Unveiling productivity: The interplay of cognitive arousal and expressive typing in remote work"
发表于 Plos one (2024)
这项研究探讨了认知唤醒状态与打字行为之间的关系，特别是在远程工作环境中。研究团队开发了一种算法，可以通过分析打字模式来追踪认知唤醒水平，为优化远程工作提供了新的方法。在疫情后远程工作逐渐常态化的背景下，这一研究具有重要的实际应用价值。
5. "A multimodal dataset for investigating working memory in presence of music: a pilot study"
发表于 Frontiers in Neuroscience (2024)
这项研究创建了一个多模态数据集，用于研究音乐对工作记忆的影响。数据集包括眼动数据、皮肤电反应、心率和行为表现等多种数据类型，为研究认知过程提供了全面的实验资源。这一数据集的建立有助于推动认知神经科学领域的方法学创新和实证研究。
6. "Skin Conductance Response Artifact Reduction: Leveraging Accelerometer Noise Reference and Deep Breath Detection"
发表于 IEEE Access (2024)
这项研究提出了一种新方法，通过利用加速度计数据和检测深呼吸模式来减少皮肤电反应信号中的伪影。皮肤电反应是情绪和压力研究中常用的生理指标，但容易受到运动和呼吸等因素的干扰。这项研究提高了皮肤电信号的质量和可靠性，为情绪和压力相关研究提供了更精确的测量工具。
项目分析
1. 计算医学实验室（Computational Medicine Laboratory）
教授创立并领导的计算医学实验室是她研究工作的核心平台。该实验室专注于开发新的信号处理和机器学习算法，用于分析生理数据和神经信号。实验室的研究范围包括：神经内分泌激素分泌模式分析、情绪和认知状态的生理标记、可穿戴技术在健康监测中的应用等。自2022年迁至NYU坦顿工程学院以来，该实验室已成为生物医学工程领域的重要研究中心，产出了多项具有影响力的研究成果。
2. 城市科学与进步中心项目（Center for Urban Science + Progress）
作为纽约大学城市科学与进步中心的成员，教授参与了将生物医学工程技术应用于城市环境健康监测的交叉学科研究。这些项目致力于通过分析城市居民的生理数据和环境因素之间的关系，开发智能城市健康监测系统。研究内容涉及环境压力对城市居民生理和心理健康的影响，以及如何通过技术手段提高城市生活质量。
3. 脑机接口与眼动追踪研究（Brain-Machine Interfaces with Eye Tracking）
这一项目探索了将眼动追踪技术整合到脑机接口系统中的可能性。研究表明，眼动数据在检测微弱环境刺激方面比传统的皮肤电反应更为敏感，有望成为下一代脑机接口的重要组成部分。项目开发了新的算法来分析眼动模式，并将其与其他生理信号结合，以实现更精确的意图识别和状态监测。这一研究对于发展辅助技术和人机交互系统具有重要意义。
研究想法
1. 多模态生理信号融合的个性化情绪调节系统
研究思路：结合教授在呼吸活动情绪估计和眼动追踪的研究，开发一个多模态生理信号融合系统，实现情绪状态的实时监测和调节。
具体方案：
- 建立一个整合眼动、呼吸、皮肤电和心率的多模态数据采集平台
- 开发深度学习算法，从多模态信号中提取情绪特征
- 设计基于标记点过程的状态估计器，实时推断情绪变化
- 构建闭环反馈系统，通过环境调节（如音乐、光线）实现情绪干预
2. 基于生理信号的智能工作环境优化系统
研究思路：基于教授对认知唤醒与工作效率关系的研究，开发一个智能工作环境系统，能够根据用户的生理和行为数据，自动调整环境参数以优化工作表现。
具体方案：
- 设计可穿戴设备组合，无创采集用户的眼动、打字行为和自主神经活动数据
- 建立贝叶斯状态空间模型，实时推断用户的认知唤醒水平和注意力状态
- 开发环境参数（音乐类型、音量、温度、光线等）与认知表现关系的个性化模型
- 实现基于强化学习的环境控制算法，自适应优化工作条件
3. 神经内分泌激素脉冲模式与代谢疾病的计算诊断框架
研究思路：拓展教授在瘦素脉冲动态研究中的标记点过程方法，构建一个综合分析多种内分泌激素脉冲模式的计算框架，用于代谢疾病的早期诊断和分型。
具体方案：
- 收集并分析健康人群和各类代谢疾病患者的多种激素（瘦素、胰岛素、皮质醇等）时间序列数据
- 开发多变量标记点过程模型，捕捉不同激素之间的协同分泌模式
- 建立基于深度学习的激素脉冲特征提取算法
- 设计疾病分类和风险预测模型，实现代谢综合征的早期预警
4. 基于非侵入性生理信号的疲劳驾驶检测与干预系统
研究思路：利用教授在眼动追踪和认知状态估计方面的研究成果，开发一个能够实时监测驾驶员疲劳状态并进行干预的系统。
具体方案：
- 设计车载眼动追踪和非接触式生理信号采集系统
- 开发基于眼动模式和呼吸特征的疲劳状态识别算法
- 构建驾驶员认知警觉度的动态贝叶斯模型
- 设计多级疲劳干预策略，包括声音、振动和环境参数调整
申请建议
1. 学术背景与技能准备
- 数学基础：强化概率论、随机过程、贝叶斯统计和状态空间模型等数学工具，这些是教授研究中的核心方法论基础。建议修读高级概率论、随机过程和贝叶斯分析等课程，并通过实际项目应用这些知识。
- 信号处理能力：深入学习生物医学信号处理技术，包括时频分析、小波变换、卡尔曼滤波等。重点关注点过程模型和非平稳信号分析方法。
- 编程技能：精通MATLAB和Python，特别是在信号处理和机器学习库（如SciPy、NumPy、PyTorch或TensorFlow）方面的应用。
2. 研究经验准备
- 生理数据分析项目：设计并完成一个涉及生理信号（如EEG、心率变异性、皮肤电反应等）数据分析的研究项目。重点展示您应用先进算法提取有意义特征的能力，以及对生理数据特性的理解。
- 状态估计算法实践：实现并测试各种状态估计算法（如扩展卡尔曼滤波器、粒子滤波器等）在生理信号处理中的应用。
3. 个人陈述与研究计划撰写
- 技术深度与应用愿景并重：在个人陈述中既要展示您对信号处理和机器学习等技术的深入理解，又要表达将这些技术应用于解决实际医学问题的愿景。
- 研究连续性构建：清晰地展示您过去的研究经历如何为加入教授的团队奠定了基础，以及您希望如何在她的指导下进一步发展这些研究方向。
- 技术路线图明确：详细说明您计划采用的研究方法和技术路线，展示您对研究过程的系统性思考。包括数据收集、算法开发、验证方法和预期成果等关键环节。
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。
【竞赛报名/项目咨询+微信：mollywei007】
