Physiological Measurement《生理测量》 （官网投稿）

等待设置主要研究方向

工程技术-BIOPHYSICS生物物理；ENGINEERING, BIOMEDICAL工程：生物医学；PHYSIOLOGY生理学。关于临床研究与实践中生理功能的感知、评估、可视化、建模、分类、预测及控制。特别强调人工智能和机器学习算法等先进方法的发展、新颖应用，以及对现有方法的严格大规模验证。涵盖但不限于以下主题领域：方法论方向：针对心电图、脑电图、肌电图、脑磁图、光电容积描记、血压、颅内压、血流量、血流速度、心冲击图、惯性测量单元、成像、雷达、语音等时间序列的生理信号处理、人工智能及机器学习方法（单独或整合应用）。先进的、基于物理的测量技术：电学、生物阻抗、光学、磁学及声学。多模态机器学习、数据整合与理解，例如临床记录与生理信号的整合。在各种临床环境中，利用来自电子健康记录和测量生理数据的医疗设备数据进行预测建模。用于可穿戴式、可吞服式、视频及雷达式人类健康/疾病监测的硬件、软件及预测模型。使用经验模型和基于物理的模型进行生理建模、仿真、模型辨识及控制。基于物理和模型的机器学习。生理测量标准与指南。与传统医疗设备和作为医疗器械的软件相关的法规科学与实践。伦理问题，例如在利用测量和AI技术评估生理功能及决策时的隐私、偏见和公平性。应用方向：在医院、诊所、家庭及流动环境中监测患者行为。心血管、神经、肺、免疫及感染性疾病的诊断。脑健康，包括神经退行性疾病和精神病学。现有算法基准测试。移动健康。睡眠与昼夜节律。孕产妇、胎儿及儿童健康。低资源和极端环境下的生理测量。运动医学、个人健康追踪及健康监测。劳动力表现监测。环境对生理的影响。