Top

ياندا منغ

أستاذ مساعد, الهندسة الحيوية

قسم العلوم والهندسة البيولوجية والبيئية

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. 

الانتماءات

مراكز التميّز

السيرة الذاتية

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 طبية مؤثرة. يشغل مينغ أيضًا عدة مناصب قيادية وتحريرية، بما في ذلك محرر مشارك في مجلة Frontiers in Medicine (طب العيون)، ومحرر ضيف لعدة أعداد خاصة من المجلة، ورئيس قسم في جمعية التصوير الطبي والحوسبة (MICCAI) 2025. 

الاهتمامات البحثية

تركز أبحاث منغ على تطوير أساليب الذكاء الاصطناعي في مجال الرعاية الصحية، مع التركيز على التصوير الطبي 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 يمكنها العمل بفعالية مع تعقيد البيانات الطبية الحيوية الحقيقية. تهدف أبحاثه إلى بناء تقنيات فعالة قادرة على تفسير البيانات ودعم الأطباء وتحسين رعاية المرضى في مختلف بيئات الرعاية الصحية. 

المؤهل العلمي

  • 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

الجوائز والتكريمات

  • Best Paper and Young Scientist Award Shortlist MICCAI, 2025 

  • IEEE TMI Distinguished Reviewer Bronze Level, 2024 

  • LaScar@MICCAI’22 Best Paper Runner-up Award, 2022

مؤلفات مختارة

  • 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 ImageAnalysis, 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 instancelearning. 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 segmentationwith dual adaptive graph convolutional networks. IEEE Transactions on Medical Imaging, 42(2),p. 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. IEEETransactions on Medical Imaging, 41(3), p. 690-701. 

وسائط متعددة