基于生物医学信号对认知与情感状态进行可靠检测

该项目旨在研究时间结构对生物医学信号分析的影响，尤其是 EEG 分析的影响，以提升数据分析的可靠性与可重复性。将采用信号处理、统计建模和机器学习技术，从而制定用于稳健分析时间序列生物医学数据的准则。

关于该项目 用于人类认知、生理及脑机接口的生物医学信号，如脑电图（EEG）已被广泛应用。然而，其时间结构可能会无意中使分析产生偏差，并导致性能估计值偏高。本项目将研究这些影响，并开发实用的方法以提升生物医学数据分析的可靠性与可重复性。 生物医学记录中包含由生理过程与测量系统共同导致的噪声、变异性及时间依赖性。这些特性可能在整个分析过程中影响统计分析与机器学习模型，导致结果可能无法推广至实际应用场景。尽管时间依赖性在信号处理中已被充分理解，但其对实验设计、数据分析及机器学习工作流程的影响却并未总是得到系统的评估。 在本项目中，您将结合信号处理、统计建模和机器学习方法，研究时间结构对基于生物医学数据结论的影响，尤其关注 EEG 领域。通过使用真实数据集，您将评估时间泄漏对统计推断与预测建模的影响，比较缓解这些问题的不同方法，并制定用于稳健且可重复分析的实际指南。该项目提供了在生物医学工程、数据科学与以人为中心的技术交叉领域工作的机会，并可能涉及学术界与工业界的合作。 您将： 对生物医学信号中的时间依赖关系与自相关现象进行特征分析，尤其关注 EEG 量化时间结构对统计推断、预测建模以及人类认知与生理状态识别的影响机制 对缓解时间效应的各种方法进行评估与比较： 实验设计（例如任务执行时间及试验结构） 信号处理（例如滤波、分割与去相关） 明确考虑时间依赖性的统计与机器学习模型； 对学术与工业领域的现有实践进行评估，并制定实用的指南以支撑稳健且可重复的生物医学时间序列分析工作 您将获得以下领域的经验： 生物医学信号处理与脑电图分析 时间序列建模与统计推断 机器学习与可复现数据分析 基于真实世界生物医学数据集的实验研究 该项目提供涵盖数据科学、信号处理、神经科学与以人为核心的技术的跨学科培训。你将有机会与学术及工业合作伙伴合作，并通过国际会议和期刊发表来传播你的研究成果。 电子与计算机科学学院致力于促进平等、多样性与包容性，这从我们获得的 Athena SWAN 奖中可见一斑。我们欢迎所有申请者，无论其性别、种族、残疾状况、性取向或年龄如何，并将充分考虑那些寻求灵活工作模式以及有过职业休整的申请者。该大学拥有慷慨的产假政策、现场儿童保育设施，并提供多种福利措施，以保障员工的生活质量与工作生活平衡。南安普顿大学致力于可持续发展，并荣获了铂金级 EcoAward 认证。

入学要求 您必须拥有英国 UK 2:1 二等一级荣誉学位或同等国际学位，且所学专业属于以下领域之一： 计算机科学 工程学 数据科学 生物医学工程 心理学 认知科学 密切相关的学科 必备技能： 编程经验（例如 Python、MATLAB、R 或类似语言） 从事统计或定量数据分析的工作经验 对生物医学信号、时间序列数据及研究方法的兴趣 在以下领域之一方面具有经验： 技术路径：信号处理与机器学习 行为科学路径：行为或生理数据的实验设计与定量分析 优先考虑的技能： 在脑电 EEG、生理信号分析或机器学习方面的经验 涉及人类参与者的研究经验 独立研究活动的证明，例如论文、研究项目、出版物或相关的产业研发 R&D 经验 若申请者的母语非英语，则必须满足该大学的英语语言要求（整体 IELTS 分数需达到 6.5 分，各单项最低分数为 6.0 分）。

资助：竞争性资助 学费与资助 我们为英国本土学生和国际学生提供多种资助机会。符合条件的学生可通过“地平线欧洲”学费减免，自动免除国际学生学费与英国本土学生学费之间的差额。 大学通过竞争性遴选授予的校长助学金，为遴选排名靠前的申请人支付国际学生学费与英国本土学生学费之间的差额。 本校各学院通过竞争性遴选提供的博士奖助金，通常为遴选排名靠前的申请人支付按英国本土学生标准收取的学费，并提供生活津贴。 资助采用滚动授予方式，因此请尽早申请，以尽可能增加进入资助评选的机会。 如需更多信息，请访问我们的研究型研究生资助页面。

如何申请 您需： 选择课程类型（研究型）、2027/28学年、工程与物理科学学院 选择全日制或非全日制 搜索项目：哲学博士 计算机科学（7089） 在申请表第2部分填写导师姓名 申请材料应包括： 研究计划书 您的CV（个人简历） 2份学术推荐信 截至目前的学位课程成绩单和证书 英语语言资格证明（如适用）