个人简历：
孙开聪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）。孙博士分别于同济大学与德国柏林工业大学获得学士与硕士学位，于德国斯图加特大学获得博士学位。
孙开聪博士致力于基于人工智能的医疗影像重建与计算，主要包括基于深度学习的快速磁共振成像重建算法的研究、可靠鲁棒的医学图像计算。目前已在相关领域发表30余篇高水平论文，其中以第一作者在 IEEE TMI、IEEE TSP、IEEE TCSVT、Communications Engineering、Medical Physics 等发表一系列文章。入选上海高层次海外人才计划，上海浦江人才计划，主持国家自然科学基金青年项目，作为骨干成员参与多个科技部、基金委重大、重点研发项目。
研究领域：
快速磁共振成像重建
可信鲁棒的医学图像重建与生成
基于人工智能的医学图像计算
教学与课程：
学术任职：
长期担任多个期刊的审稿人，包括 IEEE Transactions on Medical Imaging，IEEE Transactions on Neural Networks and Learning Systems，Medical Physics，Signal Processing: Image Communication 等
代表性论文：
K. Sun, Q. Wang, D. Shen, Joint Cross-Attention Network with Deep Modality Prior for Fast MRI Reconstruction, IEEE Transactions on Medical Imaging, 2024, 43(1):558-569.
K. Sun, Y., Zhang, J., Liu, L. Yu, Y. Zhou, F. Xie, Q. Guo, H., Zhang, Q., Wang, and D. Shen, Achieving Multi-modal Brain Disease Diagnosis Performance Using Only Single-Modality Images Through Generative AI, Communications Engineering, 2024。
K. Sun, S. Simon, Bilateral Spectrum Weighted Total Variation for Noisy-Image Super-Resolution and Image Denoising, IEEE Transactions on Signal Processing, 2021, 69(11): 6329-6341.
K. Sun, M. Koch, Z. Wang, S. Jovanovic, H. Rabah, S. Simon, An FPGA-Based Recurrent Neural Network for Video Super-Resolution, IEEE Transactions on Circuits and Systems for Video Technology, 2021, 32(4): 1739-1750.
K. Sun, S. Simon, FDRN: A Fast Deformable Registration Network for Medical Images, Medical Physics, 48(10), 6453-6463, 2021.
实验室介绍：
实验室主要围绕医学影像的重建展开研究，主要包括磁共振（MRI）影像、计算机断层扫描（CT）成像等。利用先进的机器学习技术与人工智能领域的理论与算法，实现快速、准确、可靠、鲁棒的医学影像计算，并将研究成果转化到临床与工程应用中。
实验室主要研究内容包括:
快速磁共振成像重建:面向磁共振不同对比度（扫描序列）、不同器官、不同场强、不同加速倍数等，设计基于AI的快速磁共振成像重建算法；
准确、可靠、鲁棒的医学图像重建与计算:结合物理模型、概率模型、物理限制等先验知识，设计先进的、可信的深度学习算法，用于不同医学影像如MRI、PET、CT的图像重建、图像生成、以及下游任务。
