|
|
更新时间：2026.09.29
总访问量：10
|
周乾伟| 博士 高校副教授 博士生导师 |
|
单位： 职务： 科研 研究方向： 办公地址： 计算机楼B322 办公电话： 电子邮箱： zqw@zjut.edu.cn |
|
手机访问 |
2024.08–2026.08：美国威尔康奈尔医学院（Weill Cornell Medicine）麻醉学系，博士后，合作导师Jyun-you Liou，从事多模态神经信号的同步记录与分析。
2022.12至今：浙江工业大学计算机科学与技术学院，计算机视觉研究所，副教授，2023年起任学术学位博士生导师。
2018.08–2019.08：美国匹兹堡大学放射系影像研究部，访问学者，合作导师Shandong Wu，从事医学影像智能理解算法研究。
2014.07–2022.12：浙江工业大学计算机科学与技术学院，计算机视觉研究所，讲师。
2013.08–2013.10：IBM中国研究院（上海），车联网项目组，从事车联网大数据算法研究。
2009.09–2014.07：中国科学院上海微系统与信息技术研究所，通信与信息系统专业，硕博连读，获工学博士学位，导师袁晓兵。
2005.09–2009.07：杭州电子科技大学，通信工程专业，获工学学士学位。
周乾伟，工学博士，浙江工业大学计算机科学与技术学院副教授、博士生导师，研究多模态神经与医学信号的鲁棒表征，当前方向为多模态约束的鲁棒脑电特征提取。
其研究围绕一个问题展开：模型在更换采集对象、采集设备或采集时段之后为什么失效，以及如何避免失效。复杂系统的观测数据普遍存在三类缺陷。采集过程不可控，传感器损坏、遮挡和断连会造成数据缺失；系统结构高度动态，各模态观测的部位在空间上对不齐，造成通道错位；系统状态随时间剧烈波动，不同对象、不同时段的数据统计性质不同，造成分布不一致。现有方法依靠人工剔除坏样本、人工配准和人工归一化来弥补这些缺陷，但预处理参数只适用于调参时所用的那批数据，所以系统一旦离开原有场景就不再可靠。周乾伟认为，手工预处理限制了系统的鲁棒性，应当把这三类缺陷的处理设计进模型本身，使模型从数据中提取的特征所在的空间（下称隐空间）不随采集条件变化。其研究对象早年为声阵列、地震动、地磁等传感信号，其后转向医学影像，近年集中到脑电图（EEG）、皮层脑电图（ECoG）和神经钙成像等多尺度神经信号。
代表性成果有四项，依次回答同一条链上的四个问题：隐空间为什么不鲁棒；在同一批数据内部，怎样设计网络才能提取鲁棒的隐空间；更换数据来源和采集时段之后，隐空间怎样保持稳定；更换个体之后，隐空间怎样保持稳定。先弄清失效的原因，才知道该往哪里设计；先在单一数据域内把特征做稳，才谈得上跨域。四项成果的先后顺序由此确定。
第一项：隐空间为什么不鲁棒。以第一作者在Nature Communications（2021）发表的读片研究给出了答案，即深度表征缺乏结构约束。该研究用生成对抗网络只改动乳腺影像中的病灶区域，其余组织逐像素保持不变，再用这批影像开展机器与放射科医生的对照读片。如果模型真正依据病灶与周边组织的结构关系做判断，那么病灶出现在解剖学上不可能的位置时，模型的输出就应当随之改变。实验结果与此相反。参与读片的放射科医生指出，部分合成影像中的病灶长在本不该有乳腺组织的区域，而诊断模型对这些影像照样给出与真实影像相当的判断。由此可以推断，模型的隐空间并不编码解剖结构。这项工作还确立了一条评估原理：用生成模型构造语义受控的反事实样本，再用模型在这些样本上的响应，测量其隐空间究竟依赖了哪些信息。该工作曾在2019年北美放射学会年会（RSNA）作口头报告，后续方向获国家自然科学基金面上项目资助。
第二项：在同一批数据内部怎样提取鲁棒的隐空间。既然失效源于缺乏结构约束，就应当把鲁棒性做进网络设计，让网络自行学出经得起扰动的特征。一个前馈特征提取网络中，设计者能决定的只有网络架构、激活函数和损失函数三处。代表性成果是以通讯作者在IEEE Transactions on Neural Networks and Learning Systems（2023）提出的逐层自适应定制激活函数方法，它让每一层的激活函数由网络结构与目标任务自动确定，而不是全网沿用同一个人工选定的函数。在另外两处，周乾伟以第一作者提出了冗余与缺失特征解耦网络RMFDNet（Engineering Applications of Artificial Intelligence，2025）和非二值交并比损失（Expert Systems with Applications，2023）。通道错位会把不属于同一位置的信息混入同一路特征，形成冗余成分，通道缺失则使本该有的信息为空，形成缺失成分。两者成因相反，所以RMFDNet把两类成分显式分离后分别处理。非二值交并比损失则使边缘等取值连续的区域也能得到正确的梯度。这条线索可以上溯到早年的地震动信号鲁棒特征提取（IEEE Signal Processing Letters，2012）。当时由人工设计能抵抗噪声与形变的特征，现在由人工设计让网络自行学出这类特征的规则。
第三项：更换数据来源和采集时段之后隐空间怎样保持稳定。前两项都是在同一批数据内部把隐空间做稳，真正的考验在于更换数据来源和采集时间之后能否维持。周乾伟以共同通讯作者在Lancet子刊eClinicalMedicine（2025）发表多中心研究，并且是署名中唯一的计算机方向通讯作者。该研究面向乳腺癌新辅助化疗疗效的早期无创预测，用孪生网络提取化疗前与化疗早期两个时间点的动态增强磁共振特征，再用基于Transformer的多头注意力建模两个时间点之间的时空交互。研究纳入5家医疗中心的1044例患者，模型在3个外部验证队列上的受试者工作特征曲线下面积（AUC）为0.892–0.923。在独立于训练数据的两个公开队列（I-SPY1与I-SPY2）中，模型判定为疗效良好的病例表现出免疫相关基因上调和更强的免疫细胞浸润。这说明宏观影像的隐空间抓住了与疗效相关的微观生物学过程，而不是拟合了某一批数据。
第四项：更换个体之后隐空间怎样保持稳定。脑电信号在个体之间差异显著，跨个体泛化失效是脑机接口难以实用的瓶颈。周乾伟以通讯作者在2025年IEEE声学、语音与信号处理国际会议（ICASSP）上提出面向EEG运动想象的掩码自监督对比学习框架，其三个组件与三类数据缺陷一一对应：流形感知掩码模拟数据缺失，域对齐应对通道错位，多视角时空注意力处理分布不一致。在标注样本稀缺的条件下，该框架的跨个体泛化能力仍优于作为对照的监督方法。
从四项成果到当前方向。第三项成果在训练结束之后用微观的分子与细胞证据核对了宏观影像的隐空间，两者吻合。2024年8月至2026年8月，周乾伟在美国威尔康奈尔医学院从事博士后研究，参与小鼠皮层宽场钙成像、双光子钙成像与透明ECoG电极阵列的同步记录，以并列第一作者完成一项跨尺度皮层电生理研究（bioRxiv预印本），在同步记录中直接观察到微观群体神经活动与宏观场电位之间的对应关系。既然这种对应关系存在，就不必等训练结束后再核对，而可以在训练时用微观神经活动直接约束宏观脑电的隐空间。这就是周乾伟当前的研究方向，即多模态约束的鲁棒脑电特征提取。由于实际使用脑机接口时只有脑电一路信号，这一跨尺度约束只在训练阶段作为正则项使用，推理时不需要微观记录。
周乾伟已发表或录用论文80余篇，Google Scholar总被引2076次，h指数20，i10指数36。主持国家自然科学基金面上项目和青年科学基金项目各1项，以第一发明人获授权中国发明专利20项，其中4项已转化。攻读博士期间获博士研究生国家奖学金、中国科学院院长优秀奖和所长一等奖学金，2023年入选浙江工业大学“十四五”高层次人才发展计划D类人才。
下列论文按年份倒序排列。*为通讯作者，#为共同第一作者。
Wu S#, Zhou Q#, Ryu J, Li G, Iyer A, Gill B, Ma H, Fang H, Schevon CA*, Schwartz TH*, Liou JY*. Suppressing cortical glutamatergic neurons produces paradoxical interictal discharges and seizures. bioRxiv, 2025. DOI: 10.1101/2025.10.02.676593.
Tang W, Jin C, Kong Q, Liu C, Chen S, Ding S, Liu B, Feng Z, Li Y, Dai Y, Zhang L, Chen Y, Han X, Liu S, Chen D, Weng Z, Liu W, Wei X, Jiang X, Zhou Q*, Mao N*, Guo Y*. Development and validation of an MRI spatiotemporal interaction model for early noninvasive prediction of neoadjuvant chemotherapy response in breast cancer: a multicentre study. eClinicalMedicine, 2025, 85: 103298.
Zhou Q, Wang J, Li J, Zhou C, Hu H, Hu K*. RMFDNet: Redundant and missing feature decoupling network for salient object detection. Engineering Applications of Artificial Intelligence, 2025, 139: 109459.
Zhang K, Zhou Q*, Hu H. A novel self-supervised contrastive learning framework for masked EEG motor imagery modeling. 2025 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Hyderabad, India, 2025: 1-5. DOI: 10.1109/ICASSP49660.2025.10888531.
Zhou Q, Zhou C, Yang Z, Xu Y, Guan Q*. Non-binary IoU and progressive coupling and refining network for salient object detection. Expert Systems with Applications, 2023, 230: 120370.
Hu H, Liu A, Guan Q, Qian H, Li X, Chen S, Zhou Q*. Adaptively customizing activation functions for various layers. IEEE Transactions on Neural Networks and Learning Systems, 2023, 34(9): 6096-6107.
Zhou Q, Li B, Tao P, Xu Z, Zhou C, Wu Y, Hu H*. Residual-recursive autoencoder for accelerated evolution in Savonius wind turbines optimization. Neurocomputing, 2022, 500: 909-920.
Hu H, Shen L, Guan Q, Li X, Zhou Q*, Ruan S*. Deep co-supervision and attention fusion strategy for automatic COVID-19 lung infection segmentation on CT images. Pattern Recognition, 2022, 124: 108452.
Hu K*, Zhao L, Feng S, Zhang S, Zhou Q*, Gao X, Guo Y. Colorectal polyp region extraction using saliency detection network with neutrosophic enhancement. Computers in Biology and Medicine, 2022, 147: 105760.（入选基本科学指标数据库高被引论文）
Guan Q, Chen Y, Wei Z, Heidari AA, Hu H, Yang XH, Zheng J, Zhou Q*, Chen H*, Chen F*. Medical image augmentation for lesion detection using a texture-constrained multichannel progressive GAN. Computers in Biology and Medicine, 2022, 145: 105444.
Zhou Q, Zuley M, Guo Y, Yang L, Nair B, Vargo A, Ghannam S, Arefan D, Wu S*. A machine and human reader study on AI diagnosis model safety under attacks of adversarial images. Nature Communications, 2021, 12(1): 7281.
Zhou Q, Liu Y, Hu H, Guan Q, Guo Y, Zhang F*. Unsupervised multimodal MR images synthesizer using knowledge from higher dimension. 2021 IEEE International Conference on Bioinformatics and Biomedicine (BIBM), 2021: 1633-1636.
Zhou Q, Chen Y, Li B, Li X, Zhou C, Huang J, Hu H*. Training deep neural networks for wireless sensor networks using loosely and weakly labeled images. Neurocomputing, 2021, 427: 64-73.
Zhou Q, Yuan G, Yang L, Nebbia G, Wu S*. Are your AI diagnosis models safe under attack of manipulated images? Radiological Society of North America 2019 Scientific Assembly and Annual Meeting (RSNA 2019), Chicago, IL, 2019. Oral presentation.
Zhou Q, Xu Z, Cheng S, Huang Y, Xiao J. Innovative Savonius rotors evolved by genetic algorithm based on 2D-DCT encoding. Soft Computing, 2018, 22(23): 8001-8010.
Zhou Q, Li B, Liu H, Chen S, Huang J. Microphone-based vibration sensor for UGS applications. IEEE Transactions on Industrial Electronics, 2017, 64(8): 6565-6572.
Zhou Q, Li B, Kuang Z, Xie D, Tong G, Hu L, Yuan X. A quarter-car vehicle model based feature for wheeled and tracked vehicles classification. Journal of Sound and Vibration, 2013, 332(26): 7279-7289.
Zhou Q, Tong G, Xie D, Li B, Yuan X. A seismic-based feature extraction algorithm for robust ground target classification. IEEE Signal Processing Letters, 2012, 19(10): 639-642.
Zhou Q, Tong G, Li B, Yuan X. A practicable method for ferromagnetic object moving direction identification. IEEE Transactions on Magnetics, 2012, 48(8): 2340-2345.
周乾伟以第一发明人获授权中国发明专利20项，按授权年份倒序排列如下。
一种基于自聚类图卷积的解剖学合理性检测方法及系统，ZL202211495980.8，2025年。
一种基于自优化深度图像先验的纹理连续性检测方法，ZL202210919570.5，2025年。
一种基于自适应聚类疑难点处理的无监督语义分割歧义消除方法，ZL202411794144.9，2025年。
一种基于双通道条件融合的医学图像因果合理性检测方法，ZL202211175481.0，2025年。
一种基于博弈论的高速入口匝道强制合并决策模型的建立方法和装置，ZL202411218461.6，2025年。
一种针对电动汽车动力系统负载信号异常的脆弱性分析方法和装置，ZL202410306885.1，2025年。
一种基于生成对抗网络的无监督多模态图像转换方法，ZL202110333549.2，2024年。
一种基于生成对抗网络的非匹配图像风格转换方法，ZL202011391478.3，2024年。
基于车辆三维轮廓的聚类方法，ZL202010564925.4，2024年。
一种高维深度学习模型向低维迁移知识的跨维度知识迁移方法，ZL202011487738.7，2024年。
一种基于深度学习及随机阵列的声信号差分特征融合方法，ZL202011483184.3，2024年。
一种基于虚拟子阵交织的声阵列空间滤波方法及系统，ZL202011430717.1，2023年。
一种图像的自动精细分割方法，ZL201910950415.8，2022年。
一种在流形上小领域的相似性强化方法，ZL201810446278.X，2022年。
一种基于重建残差的稀疏灰度图像编解码方法及系统，ZL202010041098.0，2022年。
一种基于深度神经网络的图像数据集自动构建方法，ZL201910655806.7，2021年。
一种基于深度神经网络的图像编解码器的训练方法，ZL201810446279.4，2021年。
一种多尺度自适应近似无损编解码方法及系统，ZL201810293916.9，2020年。
一种沿顺时针方向提取二值图形轮廓的方法，ZL201711120452.3，2020年。
一种漂浮物自动清理装置，ZL201610241403.4，2018年。
周乾伟主持国家自然科学基金、重点实验室开放课题及企业委托项目共7项，参与国家级和省部级项目12项。
1. 计算机自动合成的医学影像的内容合理性评估方法研究
国家自然科学基金面上项目（62271448），2023.01–2026.12，在研。
计算机合成的医学影像可能含有不符合人体解剖学或组织自然发展规律的内容，而人工智能诊断模型无法察觉这类内容。本项目研究无需人工标注的合理性评估方法，从纹理连续性、解剖学合理性以及前后两次影像之间的因果合理性三个层面判断合成影像是否可信。项目的前期工作以Nature Communications论文和RSNA 2019口头报告的形式发表。项目已获授权发明专利3项，分别对应纹理连续性、解剖学合理性和因果合理性的检测方法。
2. 功能性造型截面参数化过程的约束方法研究
国家自然科学基金青年科学基金项目（61802347），2019.01–2021.12，已结题。
本项目用图像自编码器把风力发电机叶型压缩到低维隐空间，再在隐空间中用进化算法搜索高性能叶型，从而省去反复的建模与测试。成果发表于Neurocomputing（2022），并获授权发明专利5项，内容涉及图形轮廓提取和图像编解码。
3. 超密集微声阵列的仿真及深度学习算法研究
重点实验室开放课题，2020年立项，已结题。
本项目设计超密集微声阵列的仿真软件，研究微声阵列的深度学习算法，目标是对低频宽带声目标实现高精度定向定位。周乾伟负责软件架构、硬件平台和算法原理的设计。成果发表于Measurement Science and Technology（2025），并获授权发明专利2项。
4. 基于紧凑型深度网络的混合目标识别算法研究
重点实验室开放课题，2016年立项，已结题。
本项目利用从互联网免费下载的松散标注和弱标注图像训练并压缩深度神经网络，使其能在无线传感器网络节点上运行，从而降低数据标注成本和计算成本。成果发表于Neurocomputing（2021），并获授权发明专利1项。
5. 生物特征识别终端的云服务软件开发
横向项目，2025年立项，在研。
6. 震声能量转换器的设计及研究（2014年立项）、震声能量转换器的改进及研究（2017年立项）
横向项目2项，均已结题。
两个项目利用震动与声音之间的相互转换，以麦克风为核心设计新型震动传感器，并以设备电池充当质量块，因此传感器比传统动圈式检波器更轻、更小，使安防领域的无线传感器网络节点得以小型化。周乾伟验证了传感器的物理原理，完成结构设计、仿真验证、电路设计、算法开发和外场实验。成果发表于IEEE Transactions on Industrial Electronics（2017）。
基层社区治理一感多识监测预警技术装备研究与应用示范，国家重点研发计划课题，负责人张笑钦，2025年立项，在研。
基于域自适应的皮肤镜征象识别及脱发疾病智能诊断模型，国家自然科学基金面上项目，负责人胡海根，2023年立项，在研。
基于注意力机制和多结构图卷积的时空特征融合交通态势评估方法，国家自然科学基金面上项目，负责人沈国江，2020年立项，已结题。
基于Memetic框架的门级电路敏感性单元定位方法研究，国家自然科学基金面上项目，负责人肖杰，2019年立项，已结题。
青少年特发性脊柱侧凸矢状面特性的三维超声评估方法研究，国家自然科学基金青年科学基金项目，负责人姜娓娓，2017年立项，已结题。
基于扩展的概率转移矩阵模型的高精度快速广义门电路可靠性评估方法研究，国家自然科学基金青年科学基金项目，负责人肖杰，2016年立项，已结题。
运动系统疾病诊治及新技术研究：基于动作捕捉与机器学习技术的游泳肩预警系统研发，浙江省“尖兵”“领雁”研发攻关计划项目，负责人胡海根，2025年立项，在研。
新一代智能医疗大数据与多模态知识融合关键技术研究，浙江省“尖兵”“领雁”研发攻关计划项目，负责人管秋，2024年立项，在研。
现代化中医诊疗设备研发：基于中医推拿理论与专家手法模拟算法的智能机器人研制，浙江省“尖兵”“领雁”研发攻关计划项目，负责人王万良，2021年立项，在研。
基于多模态边中心脑网络的可解释抑郁症预测模型研究，浙江省自然科学基金探索项目，负责人龙海霞，2022年立项，已结题。
基于多模态数据的抑郁症高风险人群预测研究，浙江省自然科学基金探索项目（青年），负责人龙海霞，2017年立项，已结题。
基于概率转移矩阵的晶体管级广义门电路可靠性计算方法，浙江省自然科学基金探索项目（青年），负责人肖杰，2015年立项，已结题。
周乾伟自2014年起在浙江工业大学承担本科生和研究生教学。
本科生课程：
人工智能概论（面向经济、管理、法学类专业的选修课，2学分，32学时，2026–2027学年第一学期开设2个教学班）
人工智能导论
Java程序设计（软件工程专业及实验班）
Java程序设计课程设计
程序设计基础（Python）
研究生课程：
人工智能原理与应用（双语，专业学位课，与管秋老师合讲）
此外，周乾伟指导本科毕业设计，并担任本科生导师和班主任。
周乾伟2023年起任学术学位博士生导师。截至2026年8月，课题组有在读博士生2名、硕士生5名，已指导毕业硕士研究生9名以上。
2024世界机器人大赛锦标赛BCI脑控机器人大赛技术赛，基于非侵入式脑机接口的运动康复训练技术赛项，三等奖，2024年8月，学生张坤坤、吴柯豪、陈智涛。
第二十一届中国研究生数学建模竞赛，全国二等奖（D题），2024年，学生张坤坤、吴柯豪、金辰。
第十二届中国大学生服务外包创新创业大赛东部区域赛，企业命题类（A类）三等奖，2021年6月，学生周晨、陶俊、吴延壮、刘一波。
国家级大学生创新创业训练计划项目“基于深度学习及超声微阵列的机械臂标定系统”（202210337034），2022年立项，学生陈翰墨。该项目的成果获授权发明专利1项（ZL202310596248.8，2026年）。
指导学生承担浙江省大学生科技创新活动计划（新苗人才计划）项目和浙江工业大学“运河杯”大学生课外学术科技基金项目。
在美国从事博士后研究期间，周乾伟指导美国罗格斯大学新布朗斯维克校区的一名本科生开展基于宽场钙成像的脑表面与血管分割算法研究（2025年4月起），并指导纽约的一名高中生开展双光子钙成像分析与神经元群体建模（2025年5月起）。
浙江省数理医学学会第三届放射专业委员会青年委员会青年委员（2023年起）
IEEE会员（2017年加入）
中国计算机学会（CCF）会员（2017年加入）
浙江省人工智能协会会员
周乾伟担任以下国际期刊的审稿人：IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Medical Imaging、IEEE Journal of Biomedical and Health Informatics、IEEE/ACM Transactions on Computational Biology and Bioinformatics、IEEE Internet of Things Journal、IEEE Signal Processing Letters、Pattern Recognition、Neurocomputing、Expert Systems with Applications、Engineering Applications of Artificial Intelligence、Applied Soft Computing、Soft Computing、Energy、Journal of Magnetic Resonance Imaging、Journal of Sound and Vibration。
教育部本科毕业论文（设计）抽检评议专家（2023年）
浙江省自然科学基金项目验收评审专家（2024年）
之江实验室“脑网络组图谱启发的类脑智能研究”项目阶段性验收评审专家
美国威尔康奈尔医学院VAPORS论坛特邀报告（2025年）
2024.08–2026.08：美国威尔康奈尔医学院（Weill Cornell Medicine）麻醉学系，博士后，合作导师Jyun-you Liou，从事多模态神经信号的同步记录与分析。
2022.12至今：浙江工业大学计算机科学与技术学院，计算机视觉研究所，副教授，2023年起任学术学位博士生导师。
2018.08–2019.08：美国匹兹堡大学放射系影像研究部，访问学者，合作导师Shandong Wu，从事医学影像智能理解算法研究。
2014.07–2022.12：浙江工业大学计算机科学与技术学院，计算机视觉研究所，讲师。
2013.08–2013.10：IBM中国研究院（上海），车联网项目组，从事车联网大数据算法研究。
2009.09–2014.07：中国科学院上海微系统与信息技术研究所，通信与信息系统专业，硕博连读，获工学博士学位，导师袁晓兵。
2005.09–2009.07：杭州电子科技大学，通信工程专业，获工学学士学位。
周乾伟，工学博士，浙江工业大学计算机科学与技术学院副教授、博士生导师，研究多模态神经与医学信号的鲁棒表征，当前方向为多模态约束的鲁棒脑电特征提取。
其研究围绕一个问题展开：模型在更换采集对象、采集设备或采集时段之后为什么失效，以及如何避免失效。复杂系统的观测数据普遍存在三类缺陷。采集过程不可控，传感器损坏、遮挡和断连会造成数据缺失；系统结构高度动态，各模态观测的部位在空间上对不齐，造成通道错位；系统状态随时间剧烈波动，不同对象、不同时段的数据统计性质不同，造成分布不一致。现有方法依靠人工剔除坏样本、人工配准和人工归一化来弥补这些缺陷，但预处理参数只适用于调参时所用的那批数据，所以系统一旦离开原有场景就不再可靠。周乾伟认为，手工预处理限制了系统的鲁棒性，应当把这三类缺陷的处理设计进模型本身，使模型从数据中提取的特征所在的空间（下称隐空间）不随采集条件变化。其研究对象早年为声阵列、地震动、地磁等传感信号，其后转向医学影像，近年集中到脑电图（EEG）、皮层脑电图（ECoG）和神经钙成像等多尺度神经信号。
代表性成果有四项，依次回答同一条链上的四个问题：隐空间为什么不鲁棒；在同一批数据内部，怎样设计网络才能提取鲁棒的隐空间；更换数据来源和采集时段之后，隐空间怎样保持稳定；更换个体之后，隐空间怎样保持稳定。先弄清失效的原因，才知道该往哪里设计；先在单一数据域内把特征做稳，才谈得上跨域。四项成果的先后顺序由此确定。
第一项：隐空间为什么不鲁棒。以第一作者在Nature Communications（2021）发表的读片研究给出了答案，即深度表征缺乏结构约束。该研究用生成对抗网络只改动乳腺影像中的病灶区域，其余组织逐像素保持不变，再用这批影像开展机器与放射科医生的对照读片。如果模型真正依据病灶与周边组织的结构关系做判断，那么病灶出现在解剖学上不可能的位置时，模型的输出就应当随之改变。实验结果与此相反。参与读片的放射科医生指出，部分合成影像中的病灶长在本不该有乳腺组织的区域，而诊断模型对这些影像照样给出与真实影像相当的判断。由此可以推断，模型的隐空间并不编码解剖结构。这项工作还确立了一条评估原理：用生成模型构造语义受控的反事实样本，再用模型在这些样本上的响应，测量其隐空间究竟依赖了哪些信息。该工作曾在2019年北美放射学会年会（RSNA）作口头报告，后续方向获国家自然科学基金面上项目资助。
第二项：在同一批数据内部怎样提取鲁棒的隐空间。既然失效源于缺乏结构约束，就应当把鲁棒性做进网络设计，让网络自行学出经得起扰动的特征。一个前馈特征提取网络中，设计者能决定的只有网络架构、激活函数和损失函数三处。代表性成果是以通讯作者在IEEE Transactions on Neural Networks and Learning Systems（2023）提出的逐层自适应定制激活函数方法，它让每一层的激活函数由网络结构与目标任务自动确定，而不是全网沿用同一个人工选定的函数。在另外两处，周乾伟以第一作者提出了冗余与缺失特征解耦网络RMFDNet（Engineering Applications of Artificial Intelligence，2025）和非二值交并比损失（Expert Systems with Applications，2023）。通道错位会把不属于同一位置的信息混入同一路特征，形成冗余成分，通道缺失则使本该有的信息为空，形成缺失成分。两者成因相反，所以RMFDNet把两类成分显式分离后分别处理。非二值交并比损失则使边缘等取值连续的区域也能得到正确的梯度。这条线索可以上溯到早年的地震动信号鲁棒特征提取（IEEE Signal Processing Letters，2012）。当时由人工设计能抵抗噪声与形变的特征，现在由人工设计让网络自行学出这类特征的规则。
第三项：更换数据来源和采集时段之后隐空间怎样保持稳定。前两项都是在同一批数据内部把隐空间做稳，真正的考验在于更换数据来源和采集时间之后能否维持。周乾伟以共同通讯作者在Lancet子刊eClinicalMedicine（2025）发表多中心研究，并且是署名中唯一的计算机方向通讯作者。该研究面向乳腺癌新辅助化疗疗效的早期无创预测，用孪生网络提取化疗前与化疗早期两个时间点的动态增强磁共振特征，再用基于Transformer的多头注意力建模两个时间点之间的时空交互。研究纳入5家医疗中心的1044例患者，模型在3个外部验证队列上的受试者工作特征曲线下面积（AUC）为0.892–0.923。在独立于训练数据的两个公开队列（I-SPY1与I-SPY2）中，模型判定为疗效良好的病例表现出免疫相关基因上调和更强的免疫细胞浸润。这说明宏观影像的隐空间抓住了与疗效相关的微观生物学过程，而不是拟合了某一批数据。
第四项：更换个体之后隐空间怎样保持稳定。脑电信号在个体之间差异显著，跨个体泛化失效是脑机接口难以实用的瓶颈。周乾伟以通讯作者在2025年IEEE声学、语音与信号处理国际会议（ICASSP）上提出面向EEG运动想象的掩码自监督对比学习框架，其三个组件与三类数据缺陷一一对应：流形感知掩码模拟数据缺失，域对齐应对通道错位，多视角时空注意力处理分布不一致。在标注样本稀缺的条件下，该框架的跨个体泛化能力仍优于作为对照的监督方法。
从四项成果到当前方向。第三项成果在训练结束之后用微观的分子与细胞证据核对了宏观影像的隐空间，两者吻合。2024年8月至2026年8月，周乾伟在美国威尔康奈尔医学院从事博士后研究，参与小鼠皮层宽场钙成像、双光子钙成像与透明ECoG电极阵列的同步记录，以并列第一作者完成一项跨尺度皮层电生理研究（bioRxiv预印本），在同步记录中直接观察到微观群体神经活动与宏观场电位之间的对应关系。既然这种对应关系存在，就不必等训练结束后再核对，而可以在训练时用微观神经活动直接约束宏观脑电的隐空间。这就是周乾伟当前的研究方向，即多模态约束的鲁棒脑电特征提取。由于实际使用脑机接口时只有脑电一路信号，这一跨尺度约束只在训练阶段作为正则项使用，推理时不需要微观记录。
周乾伟已发表或录用论文80余篇，Google Scholar总被引2076次，h指数20，i10指数36。主持国家自然科学基金面上项目和青年科学基金项目各1项，以第一发明人获授权中国发明专利20项，其中4项已转化。攻读博士期间获博士研究生国家奖学金、中国科学院院长优秀奖和所长一等奖学金，2023年入选浙江工业大学“十四五”高层次人才发展计划D类人才。
下列论文按年份倒序排列。*为通讯作者，#为共同第一作者。
Wu S#, Zhou Q#, Ryu J, Li G, Iyer A, Gill B, Ma H, Fang H, Schevon CA*, Schwartz TH*, Liou JY*. Suppressing cortical glutamatergic neurons produces paradoxical interictal discharges and seizures. bioRxiv, 2025. DOI: 10.1101/2025.10.02.676593.
Tang W, Jin C, Kong Q, Liu C, Chen S, Ding S, Liu B, Feng Z, Li Y, Dai Y, Zhang L, Chen Y, Han X, Liu S, Chen D, Weng Z, Liu W, Wei X, Jiang X, Zhou Q*, Mao N*, Guo Y*. Development and validation of an MRI spatiotemporal interaction model for early noninvasive prediction of neoadjuvant chemotherapy response in breast cancer: a multicentre study. eClinicalMedicine, 2025, 85: 103298.
Zhou Q, Wang J, Li J, Zhou C, Hu H, Hu K*. RMFDNet: Redundant and missing feature decoupling network for salient object detection. Engineering Applications of Artificial Intelligence, 2025, 139: 109459.
Zhang K, Zhou Q*, Hu H. A novel self-supervised contrastive learning framework for masked EEG motor imagery modeling. 2025 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Hyderabad, India, 2025: 1-5. DOI: 10.1109/ICASSP49660.2025.10888531.
Zhou Q, Zhou C, Yang Z, Xu Y, Guan Q*. Non-binary IoU and progressive coupling and refining network for salient object detection. Expert Systems with Applications, 2023, 230: 120370.
Hu H, Liu A, Guan Q, Qian H, Li X, Chen S, Zhou Q*. Adaptively customizing activation functions for various layers. IEEE Transactions on Neural Networks and Learning Systems, 2023, 34(9): 6096-6107.
Zhou Q, Li B, Tao P, Xu Z, Zhou C, Wu Y, Hu H*. Residual-recursive autoencoder for accelerated evolution in Savonius wind turbines optimization. Neurocomputing, 2022, 500: 909-920.
Hu H, Shen L, Guan Q, Li X, Zhou Q*, Ruan S*. Deep co-supervision and attention fusion strategy for automatic COVID-19 lung infection segmentation on CT images. Pattern Recognition, 2022, 124: 108452.
Hu K*, Zhao L, Feng S, Zhang S, Zhou Q*, Gao X, Guo Y. Colorectal polyp region extraction using saliency detection network with neutrosophic enhancement. Computers in Biology and Medicine, 2022, 147: 105760.（入选基本科学指标数据库高被引论文）
Guan Q, Chen Y, Wei Z, Heidari AA, Hu H, Yang XH, Zheng J, Zhou Q*, Chen H*, Chen F*. Medical image augmentation for lesion detection using a texture-constrained multichannel progressive GAN. Computers in Biology and Medicine, 2022, 145: 105444.
Zhou Q, Zuley M, Guo Y, Yang L, Nair B, Vargo A, Ghannam S, Arefan D, Wu S*. A machine and human reader study on AI diagnosis model safety under attacks of adversarial images. Nature Communications, 2021, 12(1): 7281.
Zhou Q, Liu Y, Hu H, Guan Q, Guo Y, Zhang F*. Unsupervised multimodal MR images synthesizer using knowledge from higher dimension. 2021 IEEE International Conference on Bioinformatics and Biomedicine (BIBM), 2021: 1633-1636.
Zhou Q, Chen Y, Li B, Li X, Zhou C, Huang J, Hu H*. Training deep neural networks for wireless sensor networks using loosely and weakly labeled images. Neurocomputing, 2021, 427: 64-73.
Zhou Q, Yuan G, Yang L, Nebbia G, Wu S*. Are your AI diagnosis models safe under attack of manipulated images? Radiological Society of North America 2019 Scientific Assembly and Annual Meeting (RSNA 2019), Chicago, IL, 2019. Oral presentation.
Zhou Q, Xu Z, Cheng S, Huang Y, Xiao J. Innovative Savonius rotors evolved by genetic algorithm based on 2D-DCT encoding. Soft Computing, 2018, 22(23): 8001-8010.
Zhou Q, Li B, Liu H, Chen S, Huang J. Microphone-based vibration sensor for UGS applications. IEEE Transactions on Industrial Electronics, 2017, 64(8): 6565-6572.
Zhou Q, Li B, Kuang Z, Xie D, Tong G, Hu L, Yuan X. A quarter-car vehicle model based feature for wheeled and tracked vehicles classification. Journal of Sound and Vibration, 2013, 332(26): 7279-7289.
Zhou Q, Tong G, Xie D, Li B, Yuan X. A seismic-based feature extraction algorithm for robust ground target classification. IEEE Signal Processing Letters, 2012, 19(10): 639-642.
Zhou Q, Tong G, Li B, Yuan X. A practicable method for ferromagnetic object moving direction identification. IEEE Transactions on Magnetics, 2012, 48(8): 2340-2345.
周乾伟以第一发明人获授权中国发明专利20项，按授权年份倒序排列如下。
一种基于自聚类图卷积的解剖学合理性检测方法及系统，ZL202211495980.8，2025年。
一种基于自优化深度图像先验的纹理连续性检测方法，ZL202210919570.5，2025年。
一种基于自适应聚类疑难点处理的无监督语义分割歧义消除方法，ZL202411794144.9，2025年。
一种基于双通道条件融合的医学图像因果合理性检测方法，ZL202211175481.0，2025年。
一种基于博弈论的高速入口匝道强制合并决策模型的建立方法和装置，ZL202411218461.6，2025年。
一种针对电动汽车动力系统负载信号异常的脆弱性分析方法和装置，ZL202410306885.1，2025年。
一种基于生成对抗网络的无监督多模态图像转换方法，ZL202110333549.2，2024年。
一种基于生成对抗网络的非匹配图像风格转换方法，ZL202011391478.3，2024年。
基于车辆三维轮廓的聚类方法，ZL202010564925.4，2024年。
一种高维深度学习模型向低维迁移知识的跨维度知识迁移方法，ZL202011487738.7，2024年。
一种基于深度学习及随机阵列的声信号差分特征融合方法，ZL202011483184.3，2024年。
一种基于虚拟子阵交织的声阵列空间滤波方法及系统，ZL202011430717.1，2023年。
一种图像的自动精细分割方法，ZL201910950415.8，2022年。
一种在流形上小领域的相似性强化方法，ZL201810446278.X，2022年。
一种基于重建残差的稀疏灰度图像编解码方法及系统，ZL202010041098.0，2022年。
一种基于深度神经网络的图像数据集自动构建方法，ZL201910655806.7，2021年。
一种基于深度神经网络的图像编解码器的训练方法，ZL201810446279.4，2021年。
一种多尺度自适应近似无损编解码方法及系统，ZL201810293916.9，2020年。
一种沿顺时针方向提取二值图形轮廓的方法，ZL201711120452.3，2020年。
一种漂浮物自动清理装置，ZL201610241403.4，2018年。
周乾伟主持国家自然科学基金、重点实验室开放课题及企业委托项目共7项，参与国家级和省部级项目12项。
1. 计算机自动合成的医学影像的内容合理性评估方法研究
国家自然科学基金面上项目（62271448），2023.01–2026.12，在研。
计算机合成的医学影像可能含有不符合人体解剖学或组织自然发展规律的内容，而人工智能诊断模型无法察觉这类内容。本项目研究无需人工标注的合理性评估方法，从纹理连续性、解剖学合理性以及前后两次影像之间的因果合理性三个层面判断合成影像是否可信。项目的前期工作以Nature Communications论文和RSNA 2019口头报告的形式发表。项目已获授权发明专利3项，分别对应纹理连续性、解剖学合理性和因果合理性的检测方法。
2. 功能性造型截面参数化过程的约束方法研究
国家自然科学基金青年科学基金项目（61802347），2019.01–2021.12，已结题。
本项目用图像自编码器把风力发电机叶型压缩到低维隐空间，再在隐空间中用进化算法搜索高性能叶型，从而省去反复的建模与测试。成果发表于Neurocomputing（2022），并获授权发明专利5项，内容涉及图形轮廓提取和图像编解码。
3. 超密集微声阵列的仿真及深度学习算法研究
重点实验室开放课题，2020年立项，已结题。
本项目设计超密集微声阵列的仿真软件，研究微声阵列的深度学习算法，目标是对低频宽带声目标实现高精度定向定位。周乾伟负责软件架构、硬件平台和算法原理的设计。成果发表于Measurement Science and Technology（2025），并获授权发明专利2项。
4. 基于紧凑型深度网络的混合目标识别算法研究
重点实验室开放课题，2016年立项，已结题。
本项目利用从互联网免费下载的松散标注和弱标注图像训练并压缩深度神经网络，使其能在无线传感器网络节点上运行，从而降低数据标注成本和计算成本。成果发表于Neurocomputing（2021），并获授权发明专利1项。
5. 生物特征识别终端的云服务软件开发
横向项目，2025年立项，在研。
6. 震声能量转换器的设计及研究（2014年立项）、震声能量转换器的改进及研究（2017年立项）
横向项目2项，均已结题。
两个项目利用震动与声音之间的相互转换，以麦克风为核心设计新型震动传感器，并以设备电池充当质量块，因此传感器比传统动圈式检波器更轻、更小，使安防领域的无线传感器网络节点得以小型化。周乾伟验证了传感器的物理原理，完成结构设计、仿真验证、电路设计、算法开发和外场实验。成果发表于IEEE Transactions on Industrial Electronics（2017）。
基层社区治理一感多识监测预警技术装备研究与应用示范，国家重点研发计划课题，负责人张笑钦，2025年立项，在研。
基于域自适应的皮肤镜征象识别及脱发疾病智能诊断模型，国家自然科学基金面上项目，负责人胡海根，2023年立项，在研。
基于注意力机制和多结构图卷积的时空特征融合交通态势评估方法，国家自然科学基金面上项目，负责人沈国江，2020年立项，已结题。
基于Memetic框架的门级电路敏感性单元定位方法研究，国家自然科学基金面上项目，负责人肖杰，2019年立项，已结题。
青少年特发性脊柱侧凸矢状面特性的三维超声评估方法研究，国家自然科学基金青年科学基金项目，负责人姜娓娓，2017年立项，已结题。
基于扩展的概率转移矩阵模型的高精度快速广义门电路可靠性评估方法研究，国家自然科学基金青年科学基金项目，负责人肖杰，2016年立项，已结题。
运动系统疾病诊治及新技术研究：基于动作捕捉与机器学习技术的游泳肩预警系统研发，浙江省“尖兵”“领雁”研发攻关计划项目，负责人胡海根，2025年立项，在研。
新一代智能医疗大数据与多模态知识融合关键技术研究，浙江省“尖兵”“领雁”研发攻关计划项目，负责人管秋，2024年立项，在研。
现代化中医诊疗设备研发：基于中医推拿理论与专家手法模拟算法的智能机器人研制，浙江省“尖兵”“领雁”研发攻关计划项目，负责人王万良，2021年立项，在研。
基于多模态边中心脑网络的可解释抑郁症预测模型研究，浙江省自然科学基金探索项目，负责人龙海霞，2022年立项，已结题。
基于多模态数据的抑郁症高风险人群预测研究，浙江省自然科学基金探索项目（青年），负责人龙海霞，2017年立项，已结题。
基于概率转移矩阵的晶体管级广义门电路可靠性计算方法，浙江省自然科学基金探索项目（青年），负责人肖杰，2015年立项，已结题。
周乾伟自2014年起在浙江工业大学承担本科生和研究生教学。
本科生课程：
人工智能概论（面向经济、管理、法学类专业的选修课，2学分，32学时，2026–2027学年第一学期开设2个教学班）
人工智能导论
Java程序设计（软件工程专业及实验班）
Java程序设计课程设计
程序设计基础（Python）
研究生课程：
人工智能原理与应用（双语，专业学位课，与管秋老师合讲）
此外，周乾伟指导本科毕业设计，并担任本科生导师和班主任。
周乾伟2023年起任学术学位博士生导师。截至2026年8月，课题组有在读博士生2名、硕士生5名，已指导毕业硕士研究生9名以上。
2024世界机器人大赛锦标赛BCI脑控机器人大赛技术赛，基于非侵入式脑机接口的运动康复训练技术赛项，三等奖，2024年8月，学生张坤坤、吴柯豪、陈智涛。
第二十一届中国研究生数学建模竞赛，全国二等奖（D题），2024年，学生张坤坤、吴柯豪、金辰。
第十二届中国大学生服务外包创新创业大赛东部区域赛，企业命题类（A类）三等奖，2021年6月，学生周晨、陶俊、吴延壮、刘一波。
国家级大学生创新创业训练计划项目“基于深度学习及超声微阵列的机械臂标定系统”（202210337034），2022年立项，学生陈翰墨。该项目的成果获授权发明专利1项（ZL202310596248.8，2026年）。
指导学生承担浙江省大学生科技创新活动计划（新苗人才计划）项目和浙江工业大学“运河杯”大学生课外学术科技基金项目。
在美国从事博士后研究期间，周乾伟指导美国罗格斯大学新布朗斯维克校区的一名本科生开展基于宽场钙成像的脑表面与血管分割算法研究（2025年4月起），并指导纽约的一名高中生开展双光子钙成像分析与神经元群体建模（2025年5月起）。
浙江省数理医学学会第三届放射专业委员会青年委员会青年委员（2023年起）
IEEE会员（2017年加入）
中国计算机学会（CCF）会员（2017年加入）
浙江省人工智能协会会员
周乾伟担任以下国际期刊的审稿人：IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Medical Imaging、IEEE Journal of Biomedical and Health Informatics、IEEE/ACM Transactions on Computational Biology and Bioinformatics、IEEE Internet of Things Journal、IEEE Signal Processing Letters、Pattern Recognition、Neurocomputing、Expert Systems with Applications、Engineering Applications of Artificial Intelligence、Applied Soft Computing、Soft Computing、Energy、Journal of Magnetic Resonance Imaging、Journal of Sound and Vibration。
教育部本科毕业论文（设计）抽检评议专家（2023年）
浙江省自然科学基金项目验收评审专家（2024年）
之江实验室“脑网络组图谱启发的类脑智能研究”项目阶段性验收评审专家
美国威尔康奈尔医学院VAPORS论坛特邀报告（2025年）
链接 |
|
更新时间：2026.09.29
总访问量：10
|
