古装a片

古装a片 博∕硕士导师信息表

　　姓　　名:

　　马力

　　性　　别:

　　男

　　出生年月:

　　1989.8

　　职　　称:

　　教授（特岗）

　　学历学位:

　　博士

　　联系方式:

　　[email protected]、[email protected]

　　研究方向:

信息传感、网络系统架构的技术和应用 

医疗健康机器人信号处理与驱动控制方法的研究 

医工交叉临床麻醉、癫痫等脑部状态分析评估建模 

机器学习与脑自然智能算法的研究 

物联网与汽车智能辅助驾驶

个人简介:

2012.09——2019.01，古装a片 ，信息与通信工程，工学博士（直博）

2016.09——2018.09，加州大学洛杉矶分校ucla，生物医学，国家公派联合培养博士

2015.09——2016.08，元智大学（台大医古装a片），机械工程（麻醉科），合作培养博士

2008.09——2012.06，古装a片 ，通信工程（试点班），工学学士

2023.10 ——至今，古装a片 信息与通信，专业教授（特岗）

2024.07 ——2025.06，武汉市数据局数字经济处，副处长（挂职）

2023.09 ——2023.10，古装a片 信息与通信专业，副教授

2019.01——2023.9，古装a片 ，古装a片 ，讲师

2019.10--2020.10，美国密歇根大学，电子与计算机系，博士后研究员

主要科研经历:

  国家自然科学基金面上项目：融合神经元动力学特性的脉冲神经网络时空信息处理协同优化方法及原型验证，2026年-2029年（主持）

  湖北省科技人才项目：面向任务目标快速识别的飞行员脑-眼-机协同感知融合关键技术研究，2025年-2027年（主持）

  武汉市自然科学基金：融合生物神经元动力学与时序优化的脉冲神经元模型构建，2024年-2026年（主持）

 教育部重点实验室开放课题：融合脑电和眼动追踪的快速语义识读解码的语言脑机交互研究，2024年-2026年（主持）

 湖北省自然科学基金：基于全麻状态下脑网络时空演变规律的意识波动机理研究，2022年——2024年（主持）。

 国家重点实验室开放课题：基于可穿戴式柔性触觉传感织物的步态行为智能分析方法研究，2022年——2024年（主持）。

 企业横向：北斗应急救援系统项目，2022年——2023年（主持）。

 国家自然科学基金面上项目：助行可重构柔性踝足外骨骼机器人及其人机协调控制研究，2021年——2024年（参与）。

 国家自然科学基金青年项目：基于群体行为模式画像的重性精神障碍患者危险意图分析方法研究，2021年——2023年（参与）。

  2020.03——2020.10, ML-ACCEPT: Machine-Learning-enhanced Automated Circuit Configuration and Evaluation of Power Converters. (Department of Energy, DoE) （参与） 。

  2019.10——2020.05，In-vehicle senior people with mild cognitive impairment driving performance evaluation in real world scenario.  (UM-Toyota Research Institute) （参与）。

  US NIH funded research UCLA生物医学系与里根医古装a片合作研究：Network perturbations: specificity of general anaesthetic actions on interneuron subpopulations，2016.09——2018.09，（参与）。

 台湾“中山科学研究院”项目：监测仪经由临床试验及医师standard整合分析与调整之研究，2015.09——2016.08（参与）

主要研究成果:

论文:

[1]Cai M.C., Liu, Q., Chen, K., & Ma, L* (2025). Channel-wise Regional Integrate and Multiple Firing Neuron: Improving the Spatiotemporal Learning of Spiking Neural Networks IEEE Transactions on Neural Networks and Learning Systems.

[2]Zhao, M., Ai, Q., Chen, K., Liu, Q., Xie, S. Q., & Ma, L* (2025). Adaptive attention graph convolution network with normalized embedded Gaussian for rapid serial visualization presentation decoding. Engineering Applications of Artificial Intelligence, 161, 112093.

[3]Meng, W., Huang, Z., Liu, Q., Cai, M., Chen, K., & Ma, L* (2025). Spike-driven incepformer: A hierarchical spiking transformer with inception-inspired feature learning. Neurocomputing, 130727.

[4]Chen, K., Yang, Z., Cai, M., Liu, Q., Ai, Q., & Ma, L*. (2025). A Novel Biologically Plausible Spiking Convolutional Capsule Network with Optimized Batch Normalization for EEG-based Emotion Recognition. Expert Systems with Applications, 128183.

[5]Ai, Q., Yang, Y., Cai, M., Chen, K., Liu, Q., & Ma, L*. (2025). A cross-layer residual spiking neural network with adaptive threshold leaky integrate-and-fire neuron and learnable surrogate gradient. Knowledge-Based Systems, 319, 113575.

[6]Chen, K., Ruan WH., Cai MC, Liu, Q., Ai, Q., Zhou, C., & Li Ma*, (2025). A Novel Deep Learning Model Combining 3DCNN-CapsNet and Hierarchical Attention Mechanism for EEG Emotion Recognition. Neural Networks.

[7]Chen, K., Chai, S., Cai, M., Liu, Q., Ai, Q., Zhou, C., & Li Ma*, (2025). A novel 3D feature fusion network for EEG emotion recognition. Biomedical Signal Processing and Control, 102, 107347.

[8]Ai, Q., Zhao, M., Chen, K., Liu, Q., Ma, L* (2024). Enhancing RSVP target detection performance by multi-features extracted from EEG source localization and multi-granular information neural networks. IEEE Transactions on Instrumentation and Measurement

[9] Chen, K., Chai S.L, Xie T.L., Liu, Q., Ai, Q., & Ma, L., & Ma, L* (2024). EEG Spatial Inter-Channel Connectivity Analysis: A GCN-Based Dual Stream Approach to distinguish mental fatigue status. Artificial Intelligence in Medicine

[10] Ai, Q., Zhao, M., Chen, K., Liu, Q., He, D., Li, Z., & Ma, L* (2024). Development and application of graphene sensors in human-computer interaction: A review. IEEE Sensors Journal.

[11] Liu, Q., M.C.,Cai, Chen, K., Ai, Q., & Ma, L* (2023). Reconstruction of Adaptive Leaky Integrate-and-Fire Neuron to Enhance the Spiking Neural Networks Performance by Establishing Complex Dynamics. IEEE Transactions on Neural Networks and Learning Systems.

[12]Chen, K., Liu, Z., Liu, Q., Ai, Q., & Ma, L*. (2022). EEG-based mental fatigue detection using linear prediction cepstral coefficients and Riemann spatial covariance matrix. Journal of Neural Engineering. 19(6).

[13]Ai, Q., Zhao. M, Zhao, X., Ma, L*., Liu, Q., & Chen, K. (2022). Flexible Coding Scheme for Assistive Robot Efficient Control Driven Brain Motor Imagery based on Deep Learning. Journal of Neural Engineering 19(5), 056008.

[14]K Chen, Xie TL., Ma, L*., Ai, Q.S. & Liu Q. (2022). A Two-stream Graph Convolutional Networks with Brain Connectivity Networks for Anesthetized States Detections. IEEE Transactions on Neural System and Rehabilitation Engineering. 30, 2077-2087.

[15]Zhao, X., Liu, D., Ma, L*., Liu, Q., Chen, K., Xie, S. & Ai, Q., (2021). Deep CNN model based on serial-parallel structure optimization for four-class motor imagery EEG classification. Biomedical Signal Processing and Control, 72, p.103338.

[16]Xie, T., Chen, K., Ma, L*., Ai, Q., Liu, Q., & Hudson, A. E. (2021, November). Brain Connectivity Analysis in Anesthetized and Awake States: an ECoG Study in Monkeys. In 2021 43rd Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC) (pp. 117-120). IEEE.

[17]Liu, Q., Zheng, W., Chen, K., Ma, L., & Ai, Q. (2021). Online detection of class-imbalanced error-related potentials evoked by motor imagery. Journal of Neural Engineering, 18(4), 046032. 

[18]Ma, L., Liu, W.T., & Hudson, A, E. (2019). Propofol anesthesia increases long-range corticocortial interaction within the oculomotor system in macaque monkeys. Anesthesiology, 130.4 (2019): 560-571.

[18]Liu, Q., Ma, L., Fan, S. Z., Abbod, M., Lu, C. W., Jen, K. K., ... & Shieh, J. S. (2018). Design and Evaluation of a Real Time Physiological Signals Acquisition System Implemented in Multi-Operating Rooms for Anesthesia. J Med Syst, 42:148.

专利:

[1]刘泉; 蔡旻成; 马力; 陈昆；发明专利：一种基于神经元复杂动力学的脉冲神经类脑智能分类方法。 

[2]马力; 陈昆; 刘泉; 艾青松等; 发明专利：基于胶囊神经网络的脑启发式自动驾驶辅助系统及方法 。

[3]陈昆; 魏欣; 马力; 刘泉; 艾青松；发明专利：一种基于脑电溯源和偶极子选择的运动想象分类方法。

[4]马力；刘泉；艾青松；陈昆；发明专利：一种基于图卷积神经网络的麻醉深度监测方法及系统。