个人简介
冯思为，男，副教授，硕士生导师，苏州大学优秀青年学者，江苏省“双创博士”。2019年毕业于美国马萨诸塞大学阿默斯特分校（University of Massachusetts Amherst），获得电子与计算机工程专业博士学位。2019年8月-2020年9月于新加坡南洋理工大学于涵教授课题组从事博士后工作。2020年10月入职苏州大学计算机科学与技术学院并加入苏州大学人工智能研究院。
主持国家自然科学基金（青年项目）1项。目前主要研究方向包括：1. 视觉/多模态大模型；2. 数字医学影像分析；3. 人体行为识别；4. 持续学习；5.联邦学习。近年来在国际权威期刊及会议发表论文超过20篇，包括AAAI、ICME、ICASSP、Computer Networks、Knowledge-Based Systems、Expert Systems with Application等，引用数超500，H指数>10。
最新论文请查看：https://dblp.org/pid/158/9453.html
担任下述国际会议和国际/国内期刊的审稿人（包括但不限于）：AAAI，IJCAI，ACMMM，Journal of Machine Learning Research, IEEE Transactions on Neural Networks and Learning Systems，IEEE/ACM Transactions on Networking，Nature Communication，Information Processing & Management，计算机学报。
招生说明：每年有5个招生名额。欢迎感兴趣的同学与我联系。
现阶段主要研究方向包括：1. 视觉/多模态大模型；2. 数字医学影像分析；3. 人体行为识别；4. 持续学习；5.联邦学习。
课题组目前主要研究课题：
1. 基于分割大模型的数字医学图像分析：专注于对SAM/SAM2等大模型在复杂医学影像中的应用（细胞核实例分割、组织分割等）探索。研究内容包括对模型架构与提示设计/训练的优化，并加入多模态信息以进一步增强模型的通用性。
2. 基于多模态信息的人体行为识别持续学习模型研究：研究目标在于设计具有持续学习能力且轻量化的人体行为识别模型，使之可以部署在边缘设备（手机、手环等）。此外，通过将多种模态的信息（人体电信号、文字信息等）相结合的方式促使模型更具有通用性。
课题组于2021年成立，共计招收4届研究生，目前已有2届研究生毕业。毕业去向包括中国移动苏州研发中心、西湖大学、江淮汽车等。目前组内有7名在校研究生。要就方向包括数字医学影像分析、人体行为识别、多模态信息融合及模型训练、分割大模型、持续学习、联邦学习等。
本课题组常年招收各专业保研和考研学生，常规名额为每年5人。本课题组经费充裕且正值高速发展期，欢迎感兴趣的同学与我联系。邮箱：swfeng@suda.edu.cn。
个人简介
冯思为，男，副教授，硕士生导师，苏州大学优秀青年学者，江苏省“双创博士”。2019年毕业于美国马萨诸塞大学阿默斯特分校（University of Massachusetts Amherst），获得电子与计算机工程专业博士学位。2019年8月-2020年9月于新加坡南洋理工大学于涵教授课题组从事博士后工作。2020年10月入职苏州大学计算机科学与技术学院并加入苏州大学人工智能研究院。
主持国家自然科学基金（青年项目）1项。目前主要研究方向包括：1. 视觉/多模态大模型；2. 数字医学影像分析；3. 人体行为识别；4. 持续学习；5.联邦学习。近年来在国际权威期刊及会议发表论文超过20篇，包括AAAI、ICME、ICASSP、Computer Networks、Knowledge-Based Systems、Expert Systems with Application等，引用数超500，H指数>10。
最新论文请查看：https://dblp.org/pid/158/9453.html
担任下述国际会议和国际/国内期刊的审稿人（包括但不限于）：AAAI，IJCAI，ACMMM，Journal of Machine Learning Research, IEEE Transactions on Neural Networks and Learning Systems，IEEE/ACM Transactions on Networking，Nature Communication，Information Processing & Management，计算机学报。
招生说明：每年有5个招生名额。欢迎感兴趣的同学与我联系。
现阶段主要研究方向包括：1. 视觉/多模态大模型；2. 数字医学影像分析；3. 人体行为识别；4. 持续学习；5.联邦学习。
课题组目前主要研究课题：
1. 基于分割大模型的数字医学图像分析：专注于对SAM/SAM2等大模型在复杂医学影像中的应用（细胞核实例分割、组织分割等）探索。研究内容包括对模型架构与提示设计/训练的优化，并加入多模态信息以进一步增强模型的通用性。
2. 基于多模态信息的人体行为识别持续学习模型研究：研究目标在于设计具有持续学习能力且轻量化的人体行为识别模型，使之可以部署在边缘设备（手机、手环等）。此外，通过将多种模态的信息（人体电信号、文字信息等）相结合的方式促使模型更具有通用性。
课题组于2021年成立，共计招收4届研究生，目前已有2届研究生毕业。毕业去向包括中国移动苏州研发中心、西湖大学、江淮汽车等。目前组内有7名在校研究生。要就方向包括数字医学影像分析、人体行为识别、多模态信息融合及模型训练、分割大模型、持续学习、联邦学习等。
本课题组常年招收各专业保研和考研学生，常规名额为每年5人。本课题组经费充裕且正值高速发展期，欢迎感兴趣的同学与我联系。邮箱：swfeng@suda.edu.cn。