•  个人简历：

沈龙凤，男，中共党员，2016年博士毕业于中国科学技术大学，淮北师范大学副教授，硕士生导师，现任计算机科学与技术学院智能科学与大数据技术系主任、安徽省认知行为智能计算与应用工程研究中心智能计算与视觉团队负责人、安徽省高效管理大数据研究中心大数据技术应用研究所所长。入选2019年安徽省高校优秀青年骨干人才国内访问学习研究项目。2024年担任中国图象图形学学会第22期珠峰论坛——计算机视觉前沿专题研讨会的论坛主席。安徽省计算机学会理事、安徽省人工智能学会理事、中国图像图形学学会会员、中国计算机学会会员。

参与国家863计划项目子课题、国家自然科学基金面上项目、国家自然科学基金青年项目各一项，参与安徽省重点研究与开发计划项目一项；主持安徽省高校协同创新项目一项，主持安徽省高校自然科学基金重点项目、一般项目各一项，主持计算智能与信号处理教育部重点实验室开放课题一项，主持医学物理与技术安徽省重点实验室开放基金一项，其他项目若干。发表本专业学术论文三十余篇，第一或通信作者SCI/EI收录十余篇。培养的研究生获得淮北师范大学创新基金两项、国家奖学金一项，培养的本科生获得全国大学生创新创业项目两项、国家励志奖学金多项、安徽省级大学生创新创业项目两项（均已结题）、淮北师范大学实验室开放基金重点项目两项，所指导的本科毕业论文获得2023年度安徽省计算机学会优秀本科毕业论文（设计）。获得安徽省教学成果奖一等奖一项、二等奖一项。

感兴趣的研究领域：计算机视觉、医学图像处理、深度学习。

主持或参加的代表性科研项目：

1.      计算智能与信号处理教育部重点实验室开放课题，基于多模态融合的超分辨率算法研究及其应用（2023A003），2024.7-2026.7，在研，主持；

2.      安徽省高校协同创新项目，基于多模态融合的脑CT图像、脑MRI图像及脑质谱图像的超分、配准与分割（GXXT-2022-033），2022.12-2024.11，在研，主持；

3.      安徽省教育厅自然科学基金重点项目，基于深度学习的实验鼠行为识别关键技术研究（KJ2019A0603），2020.01-2021.12，已结题，主持；

4.      安徽省科学技术厅重点研发计划项目，长视频动物行为实时理解关键技术公关及智能终端系统研发（201904a05020072），2019.01-2021.12，已结题，第二参加人；

5.      国家基金委国家自然科学青年基金，数据驱动的制造企业新型供应商网络协同效率评价研究（71801108），2019.01-2021.12，已结题，第三参加人；

6.      2019年度安徽省高校优秀青年骨干人才国内访学研修项目（NO. gxgnfx2019006），主持；

7.      国家高技术研究发展计划（863 计划）：核反应堆关键材料性能优化高性能数值模拟软件研发（SQ2015AA0101883），2016.01-2019.12，已结题，参与；

发表的代表性学术论文：

1. TransFGVC: transformer-based fine-grained visual classification. The Visual Computer(2024). https://doi.org/10.1007/s00371-024-03545-6.（SCI三区，CCF-C）

2.      DSKCA-UNet: Dynamic selective kernel channel attention for medical image segmentation. Medicine 102(39):p e35328, September 29, 2023. （SCI四区）

3.      Temporal distribution-based prediction strategy for dynamic multi-objective optimization assisted by GRU neural network, Information Sciences, Volume 649, 2023, 119627, https://doi.org/10.1016/j.ins.2023.119627.（参与发表，SCI一区top）

4.      EGARNet: adjacent residual lightweight super-resolution network based on extended group-enhanced convolution. Multimedia Systems 29(5), 2651–2668 (2023). https://doi.org/10.1007/s00530-023-01137-3. （SCI三区，CCF-C）

5.      Feature interaction network based on hierarchical decoupled convolution for 3D medical image segmentation. Plos One, 2023, 18(7): e0288658.（第一作者，SCI三区）

6.      A super-resolution strategy for mass spectrometry imaging via transfer learning. Nature Machine Intelligence, 2023, 5: 656–668. （参与发表，SCI一区top）

7.      Multi-Cue Gate-Shift Networks for Mouse Behavior Recognition. Applied Artificial Intelligence, 2022, 36(1): 3965-3981. （第一作者，SCI四区）

8.      RGBT tracking based on cooperative low-rank graph model. Neurocomputing, 2022, 492: 370-381.（第一作者，SCI二区top）

9.      A Preliminary Study on the CLAM Steel Composition Optimization based on Extreme Learning Machine. Journal of Fusion Energy. 2015，5（34）：1071-1076.（第一作者，SCI四区）.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                          

10.   Extreme Learning Machine method based Optimization of Ta content in CLAM steel. Transactions of the American Nuclear Society, San Antonio, Texas, June 7–11, 2015, 112：190-192.（第一作者，EI）

11.   Bi-level spatial subdivision based monte carlo ray tracing directly using CAD models. Fusion Engineering and Design[J]. 2017,122:211-217.(通信作者，SCI二区)

12.   Advanced geometry navigation methods without cavity representation for fusion reactors. Fusion Engineering and Design,2017,122:232-237.(通信作者，SCI二区)

13.   Prediction of rna secondary structure based on stem region replacement using the rsrna algorithm[J]. Computer Methods in Biomechanics and Biomedical Engineering. 2021, 24(1): 101-114.（通信作者，SCI三区）

14.   核反应堆材料数据库NRMD的设计与实现. 核科学与工程，2015,35(4)：51-56.（第一作者，CSCD）

15.   最优路径森林分类算法综述[J].计算机应用研究,2018,35(01):7-12+23.（第一作者，CSCDE）

研究生招收： 

希望招收诚实守信、踏实刻苦，对计算机视觉、医学图像处理感兴趣的同学，有深度学习、数字图像处理研究基础、编程能力强的同学优先。

联系方式：

longfengshen521@126.com