研究领域

人工智能、机器学习、主动学习、生物医学图像分析、冷冻电镜与电子断层成像智能解析

个人简介

詹雪莹,博士毕业于香港城市大学计算机科学系，现任深圳理工大学计算机科学与人工智能学院科研助理教授，曾在美国卡内基梅隆大学计算生物学系从事博士后研究。研究领域包括人工智能、机器学习与生物医学图像分析，重点关注复杂数据场景下的主动学习、噪声标签学习，以及冷冻电镜和电子断层成像数据的智能分析。相关成果发表于 Nature Communications、Journal of Structural Biology、ACM Transactions on Information Systems等期刊，以及 ICML、ECCV、AAAI、UAI、IJCAI、ACL 等国际会议。

主要研究方向

詹雪莹博士主要从事人工智能与机器学习研究，关注复杂数据环境下模型的学习效率、鲁棒性与泛化能力。她重点研究主动学习、噪声标签学习、分布外数据处理、少样本学习和生物医学图像分析等方向，旨在解决现实数据中标注成本高、标签质量不稳定、样本分布不断变化等问题。
在数据高效学习方面，她探索如何让模型在有限标注预算下主动选择更有价值的样本，减少对大规模人工标注的依赖；同时，通过建模标签噪声、未知类别和分布偏移等因素，提升模型面对复杂数据时的稳定性与可靠性。这类研究既涉及机器学习方法本身，也面向对数据质量和模型可信度要求较高的实际应用场景。
她将机器学习与计算机视觉方法应用于冷冻电镜、电子断层成像等数据的智能解析，开展图像去噪、粒子挑选、结构分割和三维重建等研究，重点应对低信噪比、弱结构信号和样本异质性等挑战。相关工作旨在提高科学图像数据的处理效率与分析可靠性，为生命科学中的结构解析提供计算方法支持。
总体而言，她的研究以机器学习方法创新为基础，以复杂真实数据为问题牵引，并在生物医学图像分析等场景中检验算法的实用价值。

学习经历

2017.09—2023.06　香港城市大学计算机科学系　计算机科学　博士
2013.08—2017.06　中山大学数据科学与计算机学院　数据科学与计算机   学士

工作经历

2026.06—至今　深圳理工大学计算机科学与人工智能学院　科研助理教授
2023.07—2025.08　卡内基梅隆大学计算生物学系　博士后研究员
2020.09—2021.06　清华大学计算机科学与技术系　访问学者

科研成果

[1] Xiaoqi Wu, Xueying Zhan（共同第一作者）, et al. Score-Based Matching with Target Guidance for Cryo-EM Denoising. European Conference on Computer Vision (ECCV), 2026.

[2] Jennifer Jiang, Mikhail V. Keniya, Anusha Puri, Xueying Zhan, et al. Molecular landscape of the fungal plasma membrane and implications for antifungal action. Nature Communications, 2025.
[3] Xueying Zhan, Xiangrui Zeng, Mostofa Uddin, Min Xu. AITom: AI-guided Cryo-Electron Tomography Image Analysis Toolkit. Journal of Structural Biology, 2025.
[4] Yifeng Wang, Xueying Zhan （通讯作者）, Siyu Huang. AutoAL: Automated Active Learning with Differentiable Query Strategy Search. International Conference on Machine Learning (ICML), 2025.
[5] Chentianye Xu, Xueying Zhan（共同第一作者、通讯作者）, Min Xu. CryoMAE: Few-Shot Cryo-EM Particle Picking with Masked Autoencoders. IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 2025.
[6] Xueying Zhan, et al. Pareto Optimization for Active Learning under Out-of-Distribution Data Scenarios. Transactions on Machine Learning Research, 2023.
[7] Xueying Zhan, Yaowei Wang, Antoni B. Chan. Asymptotic Optimality for Active Learning Processes. Conference on Uncertainty in Artificial Intelligence (UAI), 2022.
[8] Xueying Zhan, Huan Liu, Qing Li, Antoni B. Chan. A Comparative Survey: Benchmarking for Pool-based Active Learning. International Joint Conference on Artificial Intelligence (IJCAI), 2021.
[9] Xueying Zhan, Yaowei Wang, Yanghui Rao, Qing Li. Learning from Multi-annotator Data: A Noise-aware Classification Framework. ACM Transactions on Information Systems, 2019.
[10] Xueying Zhan, Yaowei Wang, Yanghui Rao, Qing Li, et al. A Network Framework for Noisy Label Aggregation in Social Media. Annual Meeting of the Association for Computational Linguistics (ACL), 2017.