التحق بالجامعة
الانتقال إلى الجامعة
انضم إلينا
وظائف أعضاء هيئة التدريس
رؤيتنا
المجلة العلمية
أستاذ مساعد, الهندسة الحيوية
من خلال الجمع بين البيانات والأنظمة الذكية، يمكننا تعزيز عمليات التشخيص المبكر، واتخاذ قرارات طبية أكثر إنصافًا، وتوفير حياة صحية أفضل للناس في كل مكان.
ياندا مينغ هو أستاذ مساعد في الهندسة الحيوية في كاوست، حيث تركز أبحاثه على تطوير أساليب متقدمة للذكاء الاصطناعي في مجال الرعاية الصحية والعلوم الطبية الحيوية. قبل انضمامه إلى الجامعة، شغل منصب محاضر في علوم الحاسوب في جامعة إكستر وأكمل تدريب ما بعد الدكتوراه والدكتوراه في علوم العين والبصر في جامعة ليفربول. له العديد من المنشورات في مجالات التصوير الطبي والذكاء الاصطناعي، وحصل على العديد من المنح الخارجية بصفته باحثًا رئيسيًا وساهم في تعاونات سريرية مؤثرة مع مؤسسات الرعاية الصحية في المملكة المتحدة والمملكة العربية السعودية. يشغل مينغ أيضًا عدة مناصب قيادية وتحريرية، بما في ذلك محرر قسم في مجلة Thrombosis and Haemostasis، ومحرر ضيف لعدة أعداد خاصة من مجلات علمية مثل IEEE Journal of Biomedical and Health Informatics، ورئيس مجال في مؤتمري MICCAI لعامي 2025 و2026 ومؤتمر MIDL لعام 2026.
تركز أبحاث منغ على تطوير أساليب الذكاء الاصطناعي في مجال الرعاية الصحية، مع التركيز على التصوير الطبي، ونماذج الرؤية واللغة، والتعلم متعدد الوسائط، والتعلم الآلي الموثوق. يدمج عمله البيانات البصرية والسريرية والفسيولوجية لتحسين الكشف عن الأمراض وتشخيصها والتنبؤ بالمخاطر. وهو متخصص في إنشاء أنظمة ذكاء اصطناعي قوية وموثوقة قادرة على التعامل بفعالية مع تعقيد البيانات الطبية الحيوية الحقيقية. وتهدف أبحاثه في نهاية المطاف إلى تطوير تقنيات قابلة للتفسير وذات أثر عملي تدعم الأطباء وتعزز رعاية المرضى في مختلف بيئات الرعاية الصحية.
دكتوراه في علوم العيون والبصر، جامعة ليفربول، ليفربول، المملكة المتحدة، 2022
ماجستير في علوم الحاسب الآلي، جامعة ليدز، ليدز، المملكة المتحدة، 2018
بكالوريوس في علوم الحاسب الآلي، جامعة كابيتال نورمال، بكين، الصين، 2017
Best Paper and Young Scientist Award Shortlist MICCAI, 2025
IEEE TMI Distinguished Reviewer 2024 & 2025
LaScar@MICCAI’22 Best Paper Runner-up Award, 2022
Yu, Q., Zhang, C., Jin, G., Huang, T., Zhou, W., Li, W., Jin, X., Huang, B., Zhao, Y., Yang, G. and Lip, G.Y., Zheng, Y., Villavicencio, Meng, Y., 2026. StealthMark: Harmless and Stealthy Ownership Verification for Medical Segmentation via Uncertainty-Guided Backdoors. IEEE Transactions on Image Processing. vol. 35, pp. 1290-1304.
Meng, Y., Zhang, Y., Xie, J., Duan, J., Joddrell, M., Madhusudhan, S., Peto, T., Zhao, Y. and Zheng, Y., 2024. Multi-granularity learning of explicit geometric constraint and contrast for label-efficient medical image segmentation and differentiable clinical function assessment. Medical Image Analysis, 95, p.103183.
Meng, Y., Bridge, J., Addison, C., Wang, M., Merritt, C., Franks, S., Mackey, M., Messenger, S., Sun, R., Fitzmaurice, T. and McCann, C., 2023. Bilateral adaptive graph convolutional network on CT based Covid-19 diagnosis with uncertainty-aware consensus-assisted multiple instance learning. Medical Image Analysis, 84, p.102722.
Meng, Y., Zhang, H., Zhao, Y., Gao, D., Hamill, B., Patri, G., Peto, T., Madhusudhan, S. and Zheng, Y., 2022. Dual consistency enabled weakly and semi-supervised optic disc and cup segmentation with dual adaptive graph convolutional networks. IEEE Transactions on Medical Imaging, 42(2), pp.416-429.
Meng, Y., Zhang, H., Zhao, Y., Yang, X., Qiao, Y., MacCormick, I.J., Huang, X. and Zheng, Y., 2021. Graph-based region and boundary aggregation for biomedical image segmentation. IEEE Transactions on Medical Imaging, 41(3), pp.690-701.