Contact Us：
Tel:
E-mail:hyzhou at tsinghua.edu.cn
周洪宇博士于2025年全职加入清华大学生物医学工程学院，担任博士生导师、助理教授。2024年获得香港大学计算机系博士学位，之后在美国哈佛大学担任博士后研究员。工业界方面，周洪宇博士作为创始成员和人工智能系统负责人参与放射医学领域明星公司a2z Radiology AI的早期建设，并担任腾讯公司医学人工智能实验室高级研究员。周洪宇博士长期致力于医学人工智能与智能健康系统的研究和高质量医疗服务的普惠化，在医学影像计算、多模态融合建模及医疗大语言模型等方面取得多项创新成果，被美国国家科学院专题报道，发表论文40余篇，谷歌学术引用超4700次，H指数为34。2024年，被斯坦福大学评为“全球前2%的顶尖科学家”。更多信息请移步个人主页https://zhouhy.org。
致力于利用人工智能实现高质量医疗服务的普惠化
周洪宇博士的研究聚焦于构建可扩展、可信、具有临床实用价值的医学人工智能系统，致力于通过智能技术推动高质量医疗资源的普惠化。以“数据”和“知识”为支点，系统开展了以下研究方向：
1. 智能健康生态系统：研发以病人为中心的医学人工智能系统，致力于构建病人可信赖、可理解且可使用的智能健康技术。通过推动AI辅助的健康管理、个性化干预与患者赋能，使患者成为健康管理的核心主体，推动医学人工智能向更人性化、普惠化和可信赖方向发展。
2. 医疗决策通才模型：推动通用医学人工智能系统的构建，研发兼具感知、推理与生成能力的多模态大模型，使其能够胜任跨专科、多场景的临床任务，助力优质医疗资源的广泛可及。
3. 医学影像基础模型：致力于构建新一代自监督医学视觉表征学习框架，探索弱监督与无监督范式下的模型泛化机制，以降低对昂贵标注数据的依赖，提升模型在跨机构、跨设备环境中的稳健性与可迁移性。
1. Zhou, H. Y., Yu, Y., Wang, C., Zhang, S., Gao, Y., Pan, J., Shao, J., Lu, G., Zhang, K., & Li, W. (2023). A transformer-based representation-learning model with unified processing of multimodal input for clinical diagnostics. Nature Biomedical Engineering, 7, 743-755.
2. Zhou, H. Y., Chen, X., Zhang, Y., Luo, R., Wang, L., & Yu, Y.Y. (2021). Generalized radiograph representation learning via cross-supervision between images and free-text radiology reports. Nature Machine Intelligence, 4, 32 - 40.
3. Zhou, H. Y., Lu, C., Chen, C., Yang, S., & Yu, Y. (2023). A Unified Visual Information Preservation Framework for Self-supervised Pre-Training in Medical Image Analysis. IEEE Transactions on Pattern Analysis and Machine Intelligence, 45, 8020-8035.
4. Zhou, H. Y., Lian, C., Wang, L., & Yu, Y. Advancing Radiograph Representation Learning with Masked Record Modeling. In The Eleventh International Conference on Learning Representations.
5. Zhou, H. Y., Fu, Y., Zhang, Z., Cheng, B., & Yu, Y. (2023). Protein representation learning via knowledge enhanced primary structure reasoning. In The Eleventh international conference on learning representations.
6. Zhou, H. Y., Lu, C., Yang, S., Han, X., & Yu, Y. (2021). Preservational learning improves self-supervised medical image models by reconstructing diverse contexts. In Proceedings of the IEEE/CVF International Conference on Computer Vision (pp. 3499-3509).
7. Johri, S., Jeong, J., Tran, B.A., Schlessinger, D.I., Wongvibulsin, S., Barnes, L., Zhou, H. Y., Cai, Z.R., Van Allen, E.M., Kim, D.A., Daneshjou, R., & Rajpurkar, P. (2025). An evaluation framework for clinical use of large language models in patient interaction tasks. Nature Medicine, 31(1), 77-86.
8. Wang, J., Wang, K., Yu, Y., Lu, Y., Xiao, W., Sun, Z., Liu, F., Zou, Z., Gao, Y., Yang, L., Zhou, H. Y., Miao, H., Zhao, W., Huang, L., Zeng, L., Guo, R., Chong, I., Deng, B., Cheng, L., Chen, X., Luo, J., Zhu, M., Baptista‐Hon, D.T., Monteiro, O., Li, M., Ke, Y., Li, J., Zeng, S., Guan, T., Zeng, J., Xue, K., Oermann, E.K., Luo, H., Yin, Y., Zhang, K., & Qu, J. (2024). Self-improving generative foundation model for synthetic medical image generation and clinical applications. Nature Medicine, 31(2), 609-617.
9. Huang, W., Li, C., Zhou, H. Y., Yang, H., Liu, J., Liang, Y., ... & Wang, S. (2024). Enhancing representation in radiography-reports foundation model: A granular alignment algorithm using masked contrastive learning. Nature Communications, 15(1), 7620.
10. Gao, Y., Ventura-Diaz, S., Wang, X., He, M., Xu, Z., Weir, A., Zhou, H. Y., Zhang, T., Van Duijnhoven, F., Han, L., Li, X., D'Angelo, A., Longo, V., Liu, Z., Teuwen, J., Kok, M., Beets-Tan, R., Horlings, H.M., Tan, T., & Mann, R. (2024). An explainable longitudinal multi-modal fusion model for predicting neoadjuvant therapy response in women with breast cancer. Nature Communications, 15(1), 9613.
学术荣誉与奖励
1. 2024年“斯坦福大学/爱思唯尔全球前2%顶尖科学家”
2. 香港大学基金会“杰出博士奖”
3. 香港大学基金会“杰出研究成果奖”
4. 国际华人医学影像协会（ICMA）博士研究生奖学金
5. “精确自动化脊柱曲率评估挑战赛”冠军（参赛队伍79支，排名第1）
6. “胸部危险器官（OAR）分割挑战赛”冠军（参赛队伍638支，排名第1）
7. “AI4Health全球挑战赛”冠军（参赛队伍200支，排名第1）
清华大学医学科学楼（清华大学西北门南行50米路西侧）
62787861 
sygcxybgs@mail.tsinghua.edu.cn
©2017 清华大学生物医学工程学院 版权所有
微信公众号
