个人简历：
张增博士任生物医学工程学院常任轨助理教授 (Tenure-track Assistant Professor)、研究员、博导、独立课题组组长 (Principal Investigator, PI) 、和血液动力学与转化医学实验室 (Translational Hemodynamics research Lab–THe Lab) 主任。张增博士本科毕业于北京航空航天大学，随后赴美国约翰霍普金斯大学 (The Johns Hopkins University) 攻读博士学位，师从美国国家工程院 (NAE) 院士，Joseph Katz 博士，后留校从事博士后研究工作。攻读博士期间，分别在约翰霍普金斯医院 (The Johns Hopkins Medical Institute, 2018) 和费城儿童医院 (Children’s Hospital of Philadelphia, 2019-2023) 联合培养。
张增博士长期从事流体动力学、心脑血管血流动力学、超分辨率超声波成像、机器学习与临床神经外科和心脏外科交叉领域的研究工作。他开发的超分辨率超声波成像算法体系以及超声粒子图像测速系统可用于对各种器官中跨尺度血管结构及血液流动的非侵入式、微米级高分辨率测量，并利用此技术在非侵入式颅内压测量、缺血性脑损伤诊断、脑积水早期诊断、以及ECMO患者心脑血流灌注的实时监控等方向取得了世界领先的研究成果，为临床上提供了安全、方便、精确的诊断方法。相关研究成果发表在 Nature Communications, Journal of Biomechanical Engineering, Ultrasonography, Measurement Science and Technology 等期刊，并多次在美国物理学会年会 (APS)、美国声学会年会 (ASA)、国际粒子图像测速研讨会 (ISPIV)、国际生物医学超声工程应用会议 (UEBA) 等核心国际学术会议上做口头报告 (Oral presentation) 和受邀报告 (Invited talks)。
THe Lab 长期欢迎流体力学、计算机科学与技术、数学与应用数学、以及生物医学工程等专业背景的同学前来研究和学习！
研究领域：
血液动力学测量技术：超声定位显微 (ULM)、超声粒子图像测速 (Echo-PIV)、超声波微血管成像 (MVI)；
AI辅助的血液动力学模拟技术：内嵌物理信息的神经网络 (PINNs)、神经 Koopman 算子；
多尺度血流灌注的临床转化研究：恶性肿瘤的非侵入式早期诊断、分级、药物敏感性筛选；心血管病患者的心肌微血管灌注非侵入式检测；婴幼儿缺血性脑损伤诊断等。
教学与课程：
学术任职：
会员资格：
美国物理学会（APS）会员
美国声学学会（ASA）会员
代表性论文：
脑部微血管血液动力学：
Zhang, Zeng, Misun Hwang, Todd J. Kilbaugh, Anush Sridharan, and Joseph Katz. Cerebral microcirculation mapped by echo particle tracking velocimetry quantifies the intracranial pressure and detects ischemia. Nature communications 13, no. 1 (2022): 666.
心脏及主动脉血液动力学：
Zhang, Zeng, Xun Zhou, Alejandro Suarez-Pierre, Cecillia Lui, Sean Kearney, Enoch Yeung, Henry Halperin, Chun Woo Choi, and Joseph Katz. Time-resolved echo-particle image/tracking velocimetry measurement of interactions between native cardiac output and veno-arterial ECMO Flows. Journal of Biomechanical Engineering 143, no. 2 (2021): 021008.
实验室介绍：
血液动力学与转化医学实验室 (Translational Hemodynamics research Lab–THe Lab) 以血液动力学为核心研究内容，有机结合流体动力学、超声成像、计算机视觉、以及 AI4Science 等领域的最新理论和技术手段，聚焦开发高时空分辨率、跨尺度、临床可用的多器官血流动力学实验和仿真方法，着力于探究多病理条件下多器官宏观及微观的高级血流动力学特征，实现构建多学科融合的转化医学研究框架，为肿瘤学、心脏外科、神经外科等提供安全、方便、精确的诊断方法。实验室主要研究方向包括：
血液动力学测量技术：基于深度学习和临床数据，开发包括超声定位显微 (ULM)、超声粒子图像测速 (Echo-PIV)、超声波微血管成像 (MVI) 在内的跨尺度、高分辨率、非侵入式血液动力学测量方法；实现跨平台、临床可用的端到端实时成像及高时空分辨率测量。
AI辅助的血液动力学模拟技术：利用内嵌物理信息的神经网络 (PINNs)、神经 Koopman 算子等方法实现临床可用的心血管系统血液动力学模拟及高级别动力学信息的提取和分析。
多尺度血流灌注的临床转化研究：基于上述方法在心脏病学、神经外科、脑科学、肿瘤学的转化研究。包括（但不限于）：1）恶性肿瘤的非侵入式早期诊断、分级、药物敏感性筛选；2）心血管病患者的心肌微血管灌注非侵入式检测；3）婴幼儿缺血性脑损伤的诊断等。
