个人简介
2009年和2015年分别获华南理工大学计算机科学与工程学院工学学士和博士学位，2015年10月进入华南理工大学控制科学与工程博士后流动站从事科研工作，2018年3月以广东工业大学青年百人计划入职广东工业大学计算机学院。主要从事模式识别、机器学习及生物医学信息学等研究工作。作为项目负责人承担了国家级项目1项、省部级项目2项、市厅级项目1项、其他项目7项，作为核心成员先后参与了多项国家级、省部级、市厅级科研课题。目前已发表高水平学术论文34篇，其中SCI收录论文30篇，CCF/CAA推荐A/B类论文15篇。已有授权发明专利9件。
教育背景
2013.10-2015.04 国家公派联合培养博士生，新加坡国立大学，应用数学
2009.09-2015.06 博士(硕博连读)，华南理工大学，计算机应用技术
2006.09-2009.06 学士，华南理工大学，计算机科学与技术（联合班）
工作经历
2018.03-至今 副教授（讲师2018.03-2021.01），广东工业大学
2015.10-2018.03 博士后，华南理工大学
学术兼职
中国生物工程学会计算生物学与生物信息学专业委员会执行委员，中国计算机学会生物信息学BIO-3NEW研讨会执行委员，中国计算机学会生物信息学专业委员会通讯委员，广东省精准医学应用学会医工结合分会委员会委员，广东省生物医学工程学会医疗机器人与人工智能分会委员，中国人工智能学会生物信息学与人工生命专业委员会通讯委员，中国人工智能学会青年工作委员会会员。中国计算机学会（CCF）会员、中国人工智能学会会员、中国生物工程学会终身会员、广东省生物医学工程学会会员，国家自然科学基金通讯评审专家。目前担任Interdisciplinary Sciences: Computational Life Sciences青年编委，Scientific Reports编委，以及Briefings in Bioinformatics, Neural Networks, IEEE Journal of Biomedical and Health Informatics, IEEE/ACM Translations on Computational Biology and Bioinformatics, ACM Transactions on Knowledge Discovery from Data等重要期刊会议的审稿人。
2026级硕士研究生招生说明
各位未来的研究生同学们，大家好！我是孙宇平，一位致力于将人工智能前沿技术应用于生命科学与医学领域的探索者。我的研究方向聚焦于计算生物学和医学图像分析，期待与有志于此的青年才俊们，共同解决那些既有科学价值又有现实意义的挑战。
我们的课程组拥有活跃的学术氛围和扎实的科研积累（近五年在IEEE JBHI, IEEE TCBB, Computerized Medical Imaging and Graphics 等顶级期刊会议上发表了系列论文）。在即将到来的2026年，我计划在这两个方向分别招募新生。如果你对以下任一方向有浓厚兴趣，并愿意投入三年的时光，沉心耕耘，创造价值，我诚挚地邀请你提前与我联系（Email: syp AT gdut.edu.cn），让我们一同探讨未来的无限可能。
l 方向一：计算生物学方向介绍
本方向旨在利用人工智能技术解码微观世界的复杂相互作用。我们的研究聚焦于开发先进的图神经网络与表示学习模型，以应对微生物-药物关联预测及药物-药物相互作用预测等关键问题。在此，你将面对生物医学数据所固有的高维、异构与稀疏性等挑战，需要通过创新的算法设计从海量数据中提取有效特征与关联规律。该研究不仅要求对机器学习原理的深刻理解，更需要将其创造性地应用于生物学语境中，以期在药物重定位与联合用药等场景下提供全新的计算解决方案与生物学洞见，为加速新药研发流程贡献计算智慧。近年部分发表成果列举如下：
[1] Zhanbo Liang, Yuping Sun (孙宇平), and Si Li*, "Generalized Nesterov-Boosted Adversarial Data Augmentation Framework for Multi-Label Chest X-Ray Image Classification," International Conference on Bioinformatics and Biomedicine, 2025.
[2] Teng Zhou, Jax Luo, Yuping Sun (孙宇平)*, Yiheng Tan, Shun Yao*, Nazim Haouchine, Scott Raymond. "Path and bone-contour regularized unpaired MRI-to-CT translation."Computerized Medical Imaging and Graphics, 10.1016/j.compmedimag.2025.102656, 2025.
[3] Zehao Zhan, Yuping Sun (孙宇平)*, Bilian Zhu, Jie Ling, Manshi Hu*, Shun Yao, "Multi-scale Mean Teacher for Unsupervised Cross-Modality Abdominal Organ Segmentation with Limited Annotations", International Symposium on Bioinformatics Research and Applications (ISBRA), Singapore: Springer Nature Singapore, 2024.
l 方向二：医学图像分析方向介绍
本方向专注于医学影像的智能分析与生成。我们的研究涵盖医学图像翻译与病理图像分析等多个前沿课题，核心目标是构建能够深度理解并处理医学影像的人工智能模型。你将致力于探索如何在有限标注下实现跨模态影像的高保真转换与精准器官分割，并深入模型的可解释性研究，使AI的决策过程对临床医生透明可信。这一领域要求你具备坚实的计算机视觉基础，并需要应对医学数据本身的复杂性、标注稀缺性及临床应用的严苛可靠性要求。我们的最终目标是推动辅助诊断与治疗规划技术的智能化升级，使AI真正成为临床工作中可靠的工具。近年部分发表成果列举如下：
[1] Jinqing Liang, Yuping Sun (孙宇平)*, Jie Ling, "GRL-PUL: Predicting microbe-drug association based on graph representation learning and positive unlabeled learning," Molecular Omics, 21, 38-50, 2025.
[2] Jiaxi He, Yuping Sun (孙宇平)*, Jie Ling, "A Molecular Fragment Representation Learning Framework for Drug-Drug Interaction Prediction," Interdisciplinary Sciences: Computational Life Sciences, 17, 42-58, 2025.
[3] Guoquan Ning, Yuping Sun (孙宇平)*, Jie Ling, Jijia Chen, Jiaxi He, "BDN-DDI: A bilinear dual-view representation learning framework for drug-drug interaction prediction," Computers in Biology and Medicine, 165: 107340, 2023.
[4] Haonan Huang, Yuping Sun (孙宇平)*, Meijing Lan*, Huizhe Zhang, Guobo Xie, "GNAEMDA: microbe-drug associations prediction on graph normalized convolutional network," IEEE Journal of Biomedical and Health Informatics, 27(3): 1635-1643, 2023.
