头像

刘君

个人主页:

基本信息

姓名:刘君

性别:

在岗性质:全职硕导

最高学位:博士

专业技术职务:教授

毕业学校:浙江大学

行政职务:孝彭书院副院长

所在院校:信息工程学院

联系电话:

电子邮箱:liujun@nchu.edu.cn

研究方向
硕士:
1. 信息工程学院 004 智能制造技术 085509 信号与信息处理 02
硕士:
2. 信息工程学院 004 不区分研究方向 00
硕士:
3. 信息工程学院 004 不区分研究方向 00
硕士:
4. 信息工程学院 004 不区分研究方向 00
工作经历

(1)2007年6月至今,南昌航空大学信息工程学院;

(2)2010年3月至2012年3月,凤凰光学股份有限公司,博士后;

(3)2015年8月至2016年8月,University of Houston,国家留学基金委公派访问学者。 
















教育经历

(1)1997 年 9 月至 2001 年 7 月,武汉理工大学信息工程学院,自动化专业,学士;

(2)2001 年 9 月至 2004 年 2 月,福州大学电气工程学院,控制理论与控制工程专业,硕士;

(3)2004 年 3 月至 2007 年 6 月,浙江大学电气工程学院,控制理论与控制工程专业,博士。
















科研项目

主持的科研项目:

1. 2010-12011-12,江西省千名科技人员入园入企行动项目(江西省科技厅项目):基于PC-PLC及无线控制系统的桥梁顶升专用设备研发,135,000元。

2. 2010-12011-12,江西省教育厅项目:基于多模医学图像的人体组织三维网格模型构造方法研究(GJJ10191),10,000元。

3. 2011-12013-12,江西省自然科学基金项目:任意形态三维实体网格剖分及优化方法研究(2010GQS0166),10,000元。

4. 2014-12016-12,江西省教育厅基金项目:基于计算机断层图像的多组织器官有限元模型建模研究(GJJ14503),30,000元。

5. 2015-12017-12,江西省自然科学基金项目:基于三维形状信息的医学断层序列图像配准算法研究(20151BAB205050),50,000元。

6. 2019-12021-12,江西省教育厅基金项目:基于多模图像的宫颈癌活检区域自动化检测方法研究(20202BABL202015),30,000元。

7. 2020-12022-12,江西省自然科学基金项目:凶险性前置胎盘的特征图谱重构及出血风险评估(GJJ180517),30,000元。

8. 2020-12023-12,国家自然科学基金项目:多模宫颈图像中癌前病变特征的联合演化与识别研究(61961028),360,000元。






荣誉奖项







社会兼职

(1)江西省科技厅科技项目评审专家;

(2)江西省自动化学会常务理事;

(3)Neural Computing & Applications,Computers in Biology and Medicine,BMC Medical Informatics and Decision Making等学术刊物审稿专家。







备注

1.    Jun Liu; Ling Li; Lei, Wang. “Acetowhite region segmentation in uterine cervix images using a registered ratio image”, Computers in Biology and Medicine, 2018,93(2): 47~55 (SCI)

2.    Jun Liu; Yun Peng; Hao Chen; Thomas Potter; Yingchun Zhang. “An Image Registration Approach Based on 3D Geometric Projection Similarity of the Human Head”, Journal of Medical and Biological Engineering, 2019,39(1):126~138 (SCI)

3.    Jun Liu; Yun Peng; Ling Li ; Zhen Chen; Yingchun Zhang, “Better Resource Utilization and Quality of Care for Cervical Cancer Screening in Low-resourced Districts Using an Internet-based Expert System”, Technology and Health Care,2019,27(3),289~299. (SCI)

4.    Jun Liu; Hongwei Du; Han Lu; Yun Peng; Ling Li; Yingchun Zhang, “Comparison of Classifier Configurations for the Classification of Cervical Intraepithelial Neoplasia Using Acetic Acid Test Images”. Journal of Medical Imaging and Health Informatics, 2019, 9(6): 1103~1111.(SCI)

5.    Jun Liu; Tao Wu; Yun Peng; Rongguang Luo. “Grade Prediction of Bleeding Volume in Cesarean Section of Patients With Pernicious Placenta Previa Based on Deep Learning”. Frontiers in Bioengineering and Biotechnology, 2020, 2020(8): 1~9. (SCI)

6.    Jun Liu; Chen Yuan; Xiaoxue Sun; Lechan Sun; Hua Dong; Yun Peng. “The measurement of Cobb angle based on spine X-ray images using multi-scale convolutional neural network”. Physical and Engineering Sciences in Medicine, 2021, 44(3): 809~821.(SCI)

7.    Jun Liu; Yuanxiu Peng; Yihua Yang. “Optimized Matching between Students of the Automation Major and Their Specialized Project Design Assignment”. International Journal of Electrical Engineering & Education. 2021,DOI: 10.1177/0020720921997669. (SCI)

8.    Gengyou Peng; Hua Dong; Tong Liang; Ling Li; Jun Liu*. “Diagnosis of cervical precancerous lesions based on multimodal feature changes”. Computers in Biology and Medicine, 2021,130(3):1~8.(SCI)

9.    Jun Liu; Tong Liang;Yun Peng; Gengyou Peng; Lechan Sun; Ling Li; Hua Dong. “Segmentation of Acetowhite Region in Uterine         Cervical Image Based on Deep Learning”. Technology and Health Care, 2022, 30(2):469~482. (SCI)

10.  Jun Liu; Lechan Sun; Jun Liu; Min Huang; Yichen Xu and Rihui Li. “Enhancing Emotion Recognition Using Region-Specific Electroencephalogram Data and Dynamic Functional Connectivity”, Frontiers in Neuroscience, 2022(16):1~11.(SCI)

11.   Jun Liu; Xiaoxue Sun; Rihui Li; Yuanxiu Peng. “ Recognition of cervical precancerous lesions based on probability distribution feature guidance ”, Current Medical Imaging, 2022,18(11): 1204~1213.(SCI)

12.   Jun Liu, Zhenhua Yan, Chaochao Zhou, Liren Shao, Yuanyuan Han and Yusheng Song.” mfeeU-Net: A multi-scale feature extraction and enhancement U-Net for automatic liver segmentation from CT Images”, Mathematical Biosciences and Engineering, 2023, 20(5): 7784~7801.(SCI)