马力
马力，男，博士，IEEE学会会员，入选省部级人才计划。国家公派美国UCLA联合培养博士，美国密歇根大学博士后。攻读学位期间曾分别前往台湾元智大学、台湾大学进行学术访学交流，具有丰富的国际视野。主要从事嵌入式装置设备研发、信号处理、类脑自然智能、人机协作交互研究方向。主持湖北省自然科学基金、中央高校基础专项课题、教研项目等课题，作为核心成员参与了包括国家重点研发、自然科学基金面上、湖北省国际科技合作以及美国NIH、美国能源局DoA、台湾科技部中山科学院等科研项目。在IEEE Trans、Anesthesiology、IJHCI、JNE等国际高水平SCI权威期刊和顶级会议EMBC等上发表高水平论20余篇，获得授权国家专利7项，其中发明专利5项，同时申请发明专利实审3项，担任IEEE、IJHCI、EMBC SPC评委会委员，IEEE TNNLS/TBE等权威期刊审稿人。
欢迎有兴趣从事脑智能、脑状态临床分析与人体生理信号感知处理的学子报考课题组研究生，优秀者将推荐至合作的国内外顶尖名校团队进行深造。
基本信息
姓名：马力
性别：男
出生年月：1989.08
籍贯：湖北襄阳
邮箱：excellentmary@whut.edu.cn、excellentmary126@gmail.com
地址：湖北武汉珞狮路122号，430070（武汉理工大学信息工程学院）
教育背景
2012.09——2019.01，武汉理工大学，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（台大医学院），机械工程（麻醉科），合作培养博士
2008.09——2012.06，武汉理工大学，通信工程（试点班），工学学士
学术经历
武汉理工大学，信息工程学院，2023.09——今，副教授
武汉理工大学，信息工程学院，2019.01——2023.9，讲师
美国密歇根大学，电子与计算机系，2019.10-2020.10，博士后研究员
研究领域
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
主要科研经历
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学院合作研究：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）。
代表性研究成果
期刊论文：
[1]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).
[2]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.
[3]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.
[4]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.
[5]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.
[6]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.
[7]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.
[8]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。