个人简介
蔡宏民，二级教授、国家杰出青年科学基金获得者，华南理工大学未来技术学院、计算机学院教授、博士生导师。京都大学高级客座教授，哈佛大学、宾夕法尼亚大学、清华大学访问学者。IEEE Senior Member, CCF杰出会员。国际期刊IEEE Transaction on Emerging Topics in Computational Intelligence、Fundamental Research等编委。研究兴趣面向基因、细胞和组织，研发人工智能分析方法，实现生命的定量分析。相关研究成果发表在IEEE Transactions on Pattern Analysis and Machine Intelligence、Nature Communications、IEEE Transactions on Medical Imaging、Bioinformatics等期刊。主持国家自然杰出青年基金、国家自然联合基金重点、科技部重点国际合作等项目10余项，授权专利14项。获广东省人工智能产业协会自然科学一等奖、互联网+创新创业大赛金奖、广东教育教学成果二等奖等。
个人网页
https://www2.scut.edu.cn/bioinformatics/sysPIjs/list.htm
教育背景
2003年09月–2007年09月，香港大学，哲学博士，应用数学专业
2001年09月–2003年07月，哈尔滨工业大学，理学硕士，基础数学专业
1997年09月–2001年07月，哈尔滨工业大学，理学学士，数学与信息科学专业
工作经历
2016年09月－至今，华南理工大学，未来技术学院，行政副院长、教授、博士生导师
2019年06月－2019年10月，日本京都大学，Institute of Chemical Research，客座教授
2016年09月－2023年11月，华南理工大学，计算机科学与工程学院，教授、博士生导师
2012年03月－2016年09月，华南理工大学，计算机科学与工程学院，副教授
2008年09月－2012年03月，中山大学，信息科学与技术学院，讲师、硕士导师
2006年06月－2006年12月，宾夕法尼亚大学，Section of BME，访问学者
2005年04月－2005年10月，美国哈佛大学，Center of Bioinformatics，访问学者
承担项目
项目来源：国家自然科学基金委国家杰出青年科学基金
项目名称：多组学数据的无监督聚类关键技术
负责人：蔡宏民；资助金额：400万
起止时间：2024.01-2028.12
项目来源：国家自然科学基金-广东省联合基金重点项目
项目名称：面向脑疾病的多模态医学影像智能分析方法
负责人：蔡宏民；资助金额：260万
起止时间：2022.01 - 2025.12
项目来源：科技部重点领域研发计划-重点地区国际合作
项目名称：多尺度生物信息学数据整合分析理论和应用研究
负责人：蔡宏民；资助金额：300万
起止时间：2022.01 - 2024.12
项目来源：广东省科技计划-国际科技合作重点
项目名称：多尺度生物信息学数据整合分析理论及人工智能辅助诊断产业应用
负责人：蔡宏民；资助金额：100万
起止时间：2023.01 - 2024.12
项目来源：广州市重点研发计划
项目名称：多源异构数据和跨域知识聚合关键技术研究及其示范应用
负责人：蔡宏民；资助金额：500万；
起止时间：2022.04 - 2025.03
所授课程
离散数学，算法分析，数据结构，机器学习，最优化高级计算方法
标志性成果（论文、专利、书籍）
[1] Y. Hu, E. Guo, Z. Xie, X. Liu, and H. Cai*. Robust Multi-view Clustering through Partition Integration on Stiefel Manifold. IEEE Transactions on Knowledge and Data Engineering (2023). DOI: 10.1109/TKDE.2023.3253244.（中科院2区，JCR 1区，影响因子8.9）
[3] H. Cai, B. Zhang, J. Li, B. Hu, and J. Chen. Unsupervised Dual Hashing Coding (UDC) on Semantic-wise Tagging and Sample-wise Content for Cross-modal Retrieval. IEEE Transactions on Multimedia (2023).（中科院1区，JCR 1区，影响因子7.3）
[4] B. Zhang, Y. Zhang, J. Li, J. Chen, T. Akutsu, Y. Cheung, and H. Cai*. Unsupervised Dual Deep Hashing with Semantic-Index and Content-Code for Cross-Modal Retrieval. IEEE Transactions on Pattern Analysis and Machine Intelligence (2023). （中科院1区，JCR 1区，影响因子23.6）
[5] H. Cai, L. Zhu, Y. Liao, J. Song*. Improving cancer survival prediction via graph convolutional neural networks learning on protein-protein interaction networks. IEEE Journal of Biomedical and Health Informatics, (2023).（中科院1区，JCR 1区，影响因子7.7）
[6] M. Lin, X. Zhang, R. You, Y. Liu, H. Cai, et. al, T. Liu, M. Chen. Evolutionary route of nasopharyngeal carcinoma metastasis and its clinical significance. Nature Communications 14.1 (2023): 610.（中科院1区，JCR 1区，影响因子16.6）
[7] G Tao, H Li, J Huang, C Han, J Chen, G Ruan, W Huang, Y Hu, T Dan, et. al, H Cai*. SeqSeg: A sequential method to achieve nasopharyngeal carcinoma segmentation free from background dominance. Medical Image Analysis 78 (2022): 102381.（中科院1区，JCR 1区，影响因子10.9）
[8] J. Li, J. Chen, F. Qi, T. Dan, W. Weng, B. Zhang, H. Yuan, and H Cai*. Two-dimensional unsupervised feature selection via sparse feature filter. IEEE Transactions on Cybernetics (2022). DOI: 10.1109/TCYB.2022.3162908.（中科院1区，JCR 1区，影响因子11.8）
[9] Y. Li, T. Dan, H. Li, J. Chen, H. Peng, L. Liu, H. Cai*. NPCNet: jointly segment primary nasopharyngeal carcinoma tumors and metastatic lymph nodes in MR images. IEEE Transactions on Medical Imaging 41.7 (2022): 1639-1650.（中科院1区，JCR 1区，影响因子10.6）
[10] H. Peng, Y. Hu, J. Chen, H. Wang, Y. Li, and H. Cai*. Integrating tensor similarity to enhance clustering performance. IEEE Transactions on Pattern Analysis and Machine Intelligence 44.5 (2020): 2582-2593.（中科院1区，JCR 1区，影响因子23.6）
大会报告
[1] 南海生信论坛，2023，海南澄迈，中国，大会报告；
[2] 第十二届全国生物信息学与系统生物学学术大会，2023，青岛，中国，大会报告；
[3] 人工智能、大数据与生物信息前沿交叉学术报告会，2023，长沙，中国，大会特邀报告；
[4] 数字化背景下医疗健康创新实践研讨会，2023，珠海，中国，大会特邀报告；
[5] “Research on the Theory and Application of Integrated Analysis of Small SampleData from Multiple Sources”, International Conference on Bioscience, Biochemistry and Bioinformatics, 2022, Tokyo, Japan, keynote speech;
[6] “Manifold Learning in Detecting the Transitions of Dynamic Functional Connectivities Boosts Brain State-Specific Recognition”, International Symposium on Biomedical Imaging, 2022, Online;
[7] “Tensor Spectral Clustering for High-dimension-low-sample-size Data Clustering”, International Symposium on Artificial Intelligence for Medicine Sciences, 2021, Zhengzhou, China, keynote speech;
[8] “Research on the Theory and Application of Integrated Analysis of Small SampleData from Multiple Sources”, International Symposium on Artificial lntelligence for Medical Sciences, 2021, Xi’ an, China, keynote speech.
