基本信息

博士，副研究员，硕士生导师

研究方向：医学影像AI，磁共振成像重建，神经影像，多模态影像建模，AI诊疗模型

邮箱：zjwangs@fzu.edu.cn

办公地点：福州大学旗山校区国家大学科技园7号楼519

[欢迎人工智能（085410），计算机技术(085404)等专业对影像医学AI感兴趣的同学报考硕士研究生（计算机学院招生）]

个人简介

王佐君，福州大学医工交叉研究院副研究员。天津市睡眠研究会青年委员，国际华人医学磁共振学会（OCSMRM）编辑委员。研究工作主要集中在医学影像的重建，神经影像，医学影像AI以及临床诊疗大模型等，在CMIG, MRM, JMRI, ISMRM等医学影像主流SCI期刊和国际会议共发表论文19篇，其中一作/通讯（含共同）9篇。

教育经历

2019.10-2023.11， 香港大学李嘉诚医学院   Ph.D

2015.09-2018.01， 天津大学管理与经济学部  工学硕士

2011.09-2015.06， 安徽大学管理学院      管理学士

工作经历

2024.05-2024.12， 香港大学李嘉诚医学院   博士后

科研项目

1. 福州大学引进人才科研启动项目, XRC-25116 基于AI的神经影像的生物标志物探索及临床应用研究 2025年11月-2027年10月  15万  主持

主要论文列表 （# 共同一作，*通讯作者）

1. Wang, Z., Luo, G., Li, Y., Cao, P. (2024). Using a deep learning prior for accelerating hyperpolarized 13C MRSI on synthetic cancer datasets. Magnetic Resonance in Medicine.

2. Wang, Z.#, Nawaz, M.#, Khan, S., Xia, P., Irfan, M., Wong, C. E., Chan, R., and Cao, P. (2023). Cross Modality Generative Learning Framework for Anatomical Transitive Magnetic Resonance Imaging (MRI) from Electrical Impedance Tomography (EIT) Image. Computerized Medical Imaging and Graphics.

3. Zhang, H.#, Xu, L.#, Ai Z., Wang, L., Wang, L., Li, L., Zhang, R., Xue, R., Wang, Z.* (2024)The Brain Topological Alterationsin the Structural Connectome and Correlations with Clinical Characteristics in Type 1 Narcolepsy. Neuroimage: Clinical, 103697.

4. Xu, L.#, Zhang, R.#, Rong, X., Ai Z., Wang, L., Li, L., Wu, W.*, Wang, Z.* (2024). Regional Cerebral Blood Flow Impairments in Type 1 Narcolepsy: An Arterial Spin Labeling Study. Sleep Medicine.

5. Xu, L.#, Xue, R.#, Ai, Z., Huang, Y., Liu, X.., Wang, L., Liang, D., Wang, Z.* (2024)Resting-state Functional Magnetic Resonance Imaging as an Indicator of Neuropsychological Changes in Type 1 Narcolepsy. Academic Radiology.

6. Wang, Z., Mak, H. K. F., & Cao, P. (2022). Deep learning‐regularized, single‐step quantitative susceptibility mapping quantification. NMR in Biomedicine, e4849.           

7. Wang, Z., Xia, P., Huang, F., Wei, H., Hui, E. S. K., Mak, H. K. F., & Cao, P. (2022). A data-driven deep learning pipeline for quantitative susceptibility mapping (QSM). Magnetic Resonance Imaging, 88, 89-100.

8. Wang, Z., Ma, S., Jiang, R., & Tian, J. (2019).A cellular automaton model reproducing realistic propagation speed of downstream front of the moving synchronized pattern. Transportmetrica B: Transport Dynamics, 7(1), 295-310. 

9. Li, Z., Wang, Z.*, & Liu, Y. (2025). A Multi-Regime Car-Following Model Capturing Traffic Breakdown. Electronics, 14(2), 304.