面向心血管疾病的 4D Flow MRI 超分辨率机器学习博士奖学金

项目1090 · The University of Manchester - Department of Mechanical and Aerospace Engineering · of Mechanical and Aerospace Engineering

所在国家或地区: 英国
申请截止日期: 2026-09-25（具体时刻请核对原始公告）
资助信息: 仅限可按 Home rate 缴纳学费者；3.5 年全额资助；年津贴按 UKRI 2026/27 标准为 £21,805，学费按 Home rate 支付。

申请工作台

保存项目，围绕当前机会准备申请。截止日期和资格请以原始公告为准。

登录后保存项目或使用申请工具

阅读项目调研与申请判断

项目介绍

项目概览

The University of Manchester 的 Department of Mechanical and Aerospace Engineering 招收一名博士奖学金项目，研究方向是利用机器学习对 4D Flow MRI 做超分辨率重建，以服务心血管疾病研究。

项目为 3.5 年全额资助，面向可按 Home rate 缴纳学费的申请者；年津贴按 UKRI 2026/27 标准，为 £21,805，学费由项目支付，且津贴预计逐年增长。

申请页面提示应尽早递交，因为广告可能在截止日前被移除；页面同时给出两个可能的开学时间：2026 年 10 月或 2027 年 1 月。

项目详情

研究背景是：Phase-contrast magnetic resonance imaging（Flow MRI）能够无创测量血流在时间和空间上的变化，对心血管疾病诊断与管理很重要，但临床应用严重受限于高噪声、低信噪比以及空间和时间分辨率不足。

项目拟通过高保真计算流体力学（CFD）模拟生成动脉血流数据，再用卷积神经网络（CNN）等机器学习方法建立超分辨率框架，对 Flow MRI 进行去噪和分辨率提升。目标不是单纯做图像修复，而是显著提高从 Flow MRI 导出的血流动力学指标的可靠性，例如 velocity、wall shear stress 和 turbulence，从而支持临床心血管疾病管理。

预期成果包括：基于高保真 CFD 数据的全新 MR 图像超分辨率机器学习框架；使用动脉流动 phantom 的 MRI 扫描进行验证；与临床人员直接合作，以放大研究的转化与临床影响。项目还写明，学生将与工程师、科学家和临床医生组成的多学科团队合作，并有机会前往欧洲合作方处做研究访问，培训内容也可包括 CFD 与机器学习。

临床上的关键不是把图像变得更漂亮，而是让从 Flow MRI 读出的指标更稳定、更可重复、更接近真实血流。项目先用 CFD 生成高保真标签，再用 CNN 学习超分辨率映射，并通过动脉流动 phantom 逐步验证，这样可以把物理模拟、机器学习和医学验证连成一条链。若结果可靠，它有望帮助临床医生更准确地评估血流速度、壁面剪切力和湍流相关风险，也更容易在多学科团队里形成可解释的转化证据。

这项工作也很强调转化路径：先在模拟数据上验证，再在 phantom 上验证，最后再与临床合作方讨论指标的可用性。只有当超分辨率后的指标在多个层面都更稳定，模型才真正有临床价值。对申请者来说，能把物理直觉、代码实现和医学问题一起讲清楚，会比单纯追求模型复杂度更重要。

项目也很看重验证链条是否完整：先做高保真 CFD，再做 phantom 验证，再和临床医生讨论指标是否能在真实工作流中使用。研究若能把图像重建和血流动力学指标稳定性同时提升，就更有可能被转化到心血管疾病管理里。申请者如果能在建模、编程和医学沟通之间切换，会更容易进入研究节奏。

因此，项目真正关注的是医学可用性，而不是单纯在数值上把图像放大。能否让重建后的指标在临床沟通里站得住脚，是这个课题的关键。

这也方便把方法结果带回临床团队反复核对，并减少只停留在演示层面的风险。

申请要点

资助资格：只面向可按 Home rate 付学费的申请者；Funding for 标明 UK Students。
资助内容：3.5 年全额资助；年津贴为 UKRI rate（2026/27 为 £21,805）；学费按 Home rate 支付；津贴预计逐年增加。
学历要求：至少 2.1 honours degree，或相关科学、数学、工程领域的硕士（或国际同等学历），并且应当具备或预计达到这一水平。
学术要求：在流体力学、机器学习或两者方面表现突出。
技能要求：具备编程经验，例如 Python、MATLAB、C++ 等；具备良好的书面与口头沟通能力。
材料与联系：CV 和一段动机说明发送给主导师 Dr Emily Manchester（emily.manchester@manchester.ac.uk）。
申请建议：建议尽早申请，因为广告可能在截止前被移除。
开学时间：2026 年 10 月或 2027 年 1 月。
合作与培训：包含与欧洲合作方的研究访问机会，以及 CFD 和机器学习培训。

需要进一步确认

该项目只适用于 Home rate 资格，是否存在海外 fee status 的例外，摘要未说明。
2026 年 10 月与 2027 年 1 月两个开学时间需要结合导师与项目安排进一步确认。
申请页面提到广告可能提前移除，因此最好在正式截止前尽早提交。

核对原始项目信息

收录来源可能是学校或招聘平台；正式申请入口及最新要求请核对公告与下方报告中的官方来源。

项目深度调研报告

报告生成记录：2026-08-27。生成日期不代表招聘方确认项目仍开放。

资料更新记录：2026-08-27。申请前请再次核对原始公告。

博士项目研究报告：利用机器学习实现面向心血管疾病的 4D Flow MRI 超分辨率

执行结论

推荐标签：有吸引力，但存在实质性不确定性。

从学术上看，这是一个技术上很有吸引力的博士机会，但前提是申请者能够明确证明自己属于英国 Home 学费身份，或者至少可以清楚确认费用差额如何处理。该项目的学术基础扎实：Dr Emily Manchester 的官方主页显示，她的研究交叉于计算流体力学、医学成像、患者特异性建模和心血管血流动力学，而且拟议课题与她近年的发表方向高度一致（Emily Manchester profile）。曼彻斯特大学本身也具有较强的机构与工程研究信号，包括官方全球排名与 REF 证据（rankings, REF overview）。

真正的主要风险不在学术质量，而在资助资格。项目说明写明，学生可获得 UKRI 2026/27 标准的 GBP 21,805 津贴，学费按 Home rate 支付。曼彻斯特大学官方说明也明确，Home 与 Overseas 的学费身份不同，工程与自然科学学院还专门提示：按英国费率支付学费的资助，可能只能部分覆盖国际学费身份学生的费用差额（fee status, FSE tuition fees）。在部门或导师以书面形式确认费用缺口处理方式之前，应将其视为更适合 Home 学费身份候选人的机会。

学校、项目与地点信号

曼彻斯特大学的整体信号较强。学校官方排名页面显示，其在 QS、THE 和 ARWU 等指标中处于较强全球区间，同时也突出就业力与 REF 成果（rankings）。REF 2021 的官方信息也有助于判断研究环境：学校声称其研究实力位居前列，且整体研究活动中 93% 达到 4*/3*（REF overview）。官方 REF 结果进一步显示，工程学科整体有 52% 为 4*、44% 为 3*，工程研究环境为 100% 4*（REF results）。

项目所处的学院环境也匹配。机械工程博士页面介绍了机械与航空航天工程方向的研究生研究、跨学科团队、计算与实验设施以及行业联系（PhD Mechanical Engineering）。机械与航空航天工程系页面则指出，其研究活动覆盖流体力学、传热以及医疗健康应用，这与该课题将血流模拟、MRI 和临床指标结合的方向相符（department page）。

地点因素总体可接受，但并不轻松。曼彻斯特是英国重要学生城市，科研生态完整；不过官方生活成本指南显示，住宿是主要开销，且学校给出了学生宿舍、私营宿舍与合租住房的较宽月租区间（cost of living）。UKRI 标准津贴对单身博士生通常能维持基本生活，但在房租、交通、饮食和签证相关成本叠加后，并不宽裕。

导师与实验室评估

导师研究方向

Dr Emily Manchester 是最强的正向证据点。她的官方主页显示，她是 Department of Mechanical and Aerospace Engineering 的 Lecturer in Fluids Simulation and Digital Twins，接受博士生，研究范围包括 CFD、医学成像、患者特异性建模、心血管血流动力学和数字孪生（Emily Manchester profile）。这一方向与项目设想非常接近：即利用 CFD 生成高保真数据，并结合机器学习对 4D Flow MRI 做超分辨率重建。

这个项目的核心并不是通用计算机视觉，而是带有物理约束意识的医学成像：要理解哪些血流动力学量对临床有意义，分辨率和噪声会怎样影响速度梯度，模拟数据又如何帮助训练或验证重建方法。

近期重要发表

第一篇是 2025 年 Journal of Fluid Mechanics 论文，研究如何从测速数据中学习非牛顿流体的流变参数，使用了 flow-MRI/velocimetry 测量与 Bayesian inverse Navier-Stokes 框架来反演参数（JFM paper）。这与本项目直接相关，因为该博士课题同样依赖于从噪声较大的流动影像中提取可信物理量，而不是单纯做图像变清晰。

第二篇是 2024 年 Physics of Fluids 论文，OpenAlex 可检索到该记录，作者包括 Emily Manchester，内容分析了主动脉血流的动能分布及其方向性和频谱结构（OpenAlex record）。这支持了该项目对心血管疾病中湍流与血流动力学指标的关注。

第三个证据是 University of Manchester Research Explorer 上关于颈动脉血流动力学的记录，该工作使用 3D tomographic ultrasound 与 CFD 分析与心血管事件相关的血流指标（carotid haemodynamics record）。由于这更像是预印本或工作论文条目，因此应视为当前研究方向证据，而不是成熟的同行评审终稿。

实验室、资源与合作环境

实验室与环境信号可信，但尚未完全写明。学院页面显示该系具有较广的工程研究与产业合作基础（department page）。博士项目页面还说明，学生会与活跃的导师合作，且可能有来自其他学科、其他机构或外部组织的共同导师（PhD Mechanical Engineering）。项目介绍写明，学生将与临床医生合作，并可能前往欧洲合作方进行访问；但公开信息并未说明合作方名称、数据归属、MRI 使用权限或 phantom 资源。这些都需要在把转化路径视为已落实之前进一步确认。

研究方向与领域前景

领域动向

4D Flow MRI 是一个活跃研究方向，因为它可以测量时间分辨的三维血流速度，但临床落地受到信噪比、空间/时间分辨率、扫描时间与后处理限制。关于机器学习在心血管 4D Flow MRI 中应用的综述指出，ML 已被用于重建、超分辨率、分割和相位校正，并提到 CFD 生成的合成数据在超分辨率中的作用（ML review）。

项目周边已经存在一批相关工作。SRflow 提出了针对 4D-flow MRI 的深度学习超分辨率方法，并报告其在心血管与脑血管数据上优于传统插值（SRflow）。4DFlowNet 则是一个基础性的 CFD + 深度学习 4D Flow MRI 超分辨率方法（4DFlowNet）。更新的研究继续围绕 4D flow CMR 的采集与重建约束展开，并尝试用深度学习缓解这些限制（referenceless 4D flow CMR）。

可能的研究切入点

这个项目只有在超越“看起来更清晰”的图像重建时才真正有价值。较强的研究切入点包括：保持速度向量方向、提升 wall shear stress 与湍流估计的稳定性、量化不确定性、在动脉流动 phantom 上验证、比较 CNN/U-Net/physics-informed 架构，以及测试模型在扫描噪声、velocity encoding 和几何变化下的鲁棒性。关于主动脉瓣返流的超分辨率研究也说明，分辨率不足会影响复杂疾病流动中的血流动力学指标，因此临床终点非常关键（aortic regurgitation SR record）。

主要可行性风险在于领域迁移。CFD 标签可以非常高分辨率且物理上干净，而临床 MRI 往往噪声更大、存在偏差、且依赖扫描仪。要完成一篇成功的博士论文，需要严谨的验证设计，而不仅仅是一个在合成数据上表现不错的神经网络。

职业与市场前景

这一组合技能的职业前景较稳健，因为可迁移性较强。英国国家职业服务指出，数据科学家和 AI/机器学习岗位广泛分布于公共与私营部门，也包括 NHS 场景（data scientist profile）。NHS Health Careers 将临床工程描述为把工程技术与医疗设备和医疗服务结合的路径（clinical engineering）。NHS England 也将 healthcare science 归纳为覆盖 medical physics、clinical engineering、bioinformatics 与诊断创新的广泛领域（healthcare science）。在产业端，biomedical engineering 路径可延伸到医疗服务、医疗器械厂商、监管机构和研究组织（biomedical engineer profile）。

资助、申请与生活成本

项目说明写明，资助期为 3.5 年，津贴按 UKRI 2026/27 标准为 GBP 21,805，学费按 Home rate 支付。说明还提示，广告可能在截止日前被移除，因此 2026 年 9 月 25 日的截止日期不应被理解为可以拖到最后一刻。

关键的资助问题仍然是 fee status。曼彻斯特大学说明，Home 与 Overseas fee status 的判定方式不同，且由录取流程决定（fee status）。其 fee status 指南还解释，移民身份和法定居住条件会影响判定，仅仅在英国居住并不足够（understanding fee status）。工程与自然科学学院也提醒，按英国费率支付学费的资助，对国际学费身份学生可能只能部分覆盖（FSE tuition fees）。

对来自中国或其他海外学费背景的申请者而言，最安全的理解是：这项 studentship 还不能被确认是全额覆盖国际学费的奖学金。若申请人具有 Home fee status、或系里允许自行补足海外与 Home 的差额、或另有奖学金覆盖差额，才可能继续推进；但这些情况在公开证据里都没有被确认。

曼彻斯特大学的标准学费页面列出，2026/27 学年全日制研究型硕士/博士 Home 费最低值为 GBP 5,238（standard tuition fees）。机械工程博士页面同时说明，实际 PGR 学费会按项目 band 变化，而国际费率明显更高（PhD Mechanical Engineering）。这再次说明，fee band 与 fee gap 的确认非常重要。

申请路径也需要确认。项目说明要求把 CV 和动机段发给 Dr Manchester。曼彻斯特大学官方 PGR 申请页面则说明，申请人需要完成并提交在线申请表，并准备推荐人、CV 及其他必要材料（PGR how to apply）。较可能的顺序是先联系导师，再走正式在线申请，但项目级顺序仍应进一步核实。

申请人匹配度

最适合的人选

该项目最适合机械工程、生物医学工程、应用数学、物理、计算机科学或其他定量背景的申请者。最好能证明自己不仅仅会通用 ML，而是具备 CFD 课程或研究经历、有限体积/有限元建模、医学图像重建、CNN/U-Net 项目、Python/MATLAB/C++ 编程经验，以及解释速度、壁面剪切力、湍流和验证误差的能力。

需要谨慎的人选

如果你需要完整的海外学费资助，且没有 Home 学费身份，就应该谨慎。若你的背景只有临床、只有软件工程、或者只有黑盒机器学习而缺乏物理建模和验证经验，也需要谨慎。这个课题处于模拟、成像与临床转化之间，若无法与临床团队有效沟通，执行风险会比较明显。

可加强的技能与证据

比较有帮助的准备包括：一个简洁的代码作品集、一段对自己既往数值建模或 ML 验证工作的清晰说明，以及一段动机说明，解释为什么你关注的是可信的血流动力学指标，而不是单纯做图像放大。如果还能体现不确定性量化、领域迁移、phantom 验证和临床指标保真性，会更强。

风险

优先确认事项

Home 学费身份是否是硬性要求，还是海外学费身份申请者在自行补足差额或拿到额外奖学金时也可申请？
对于中国大陆申请者，达到 Home 学费资格具体需要哪些证据？
2026 年 9 月 25 日是否为硬截止，还是一旦招到合适人选广告就会提前关闭？
CV 和动机说明应在正式的曼彻斯特在线 PGR 申请之前发送，还是与正式申请同时提交？
已经落实的临床合作方、欧洲合作方、MRI/phantom 设施和数据集分别是什么？