基本信息

聂泽东  男  博导  中国科学院深圳先进技术研究院


深圳市首批青年创新创业人才,深圳市高层次人才。广东省基层医疗工程中心和深圳发改委的医疗电子平台副主任。目前主持多项国自然面上、国家重点研发计划主动健康专项课题、国防创新特区等国家课题。在IEEE TNNLS,IEEE TIM,IEEE JBHI,ARTIFICIAL INTELLIGENCE REVIEW,EXPERT SYST APPL等期刊上发表SCI论文30余篇,申请发明专利80余项,PCT 15项,授权发明专利50余项,转化6项,获得第十二届中国创造学会创造成果奖一等奖,广东省技术发明二等奖和深圳市技术发明奖二等奖,中国指挥与控制学会智能可穿戴技术专业委员会委员,中国人工智能学会智慧医疗专业委会委员;国家自然基金委评审专家和广东省科技厅,深圳市项目评审专家成员;研究成果被中央电视台等媒体多次报道。主要研究方向为:医学电子学,包括生理传感器、人体通信、生物识别、无创连续血糖监测、穿戴健康设备、深度学习/机器学习和穿戴慢病管理系统等。


电子邮件: zd.nie@siat.ac.cn
通信地址: 广东省深圳市南山区西丽大学城学苑大道1068号
邮政编码:

研究领域

1、射频微波健康传感器设计、新型穿戴POCT传感器设计;


2、人体通信技术、健康物联网(IOT);


3、深度学习/机器学习、数字信号处理、慢病管理算法模型;


4、穿戴医疗设备、无创血糖系统/人工胰腺、高性能穿戴POCT医疗器械。

招生信息

招收以下专业的海内外硕士、博士研究生、联培/客座博士、硕士研究生:

1,电磁场与电磁波;

2,生物医学工程;

3,电子与信息工程,通信技术,计算机等;

4,数学;

5,机械电子;

6,生物与化学

招生专业
081203-计算机应用技术
招生方向
无创血糖监测与管理,射频/电化学传感器设计,深度学习/机器学习
人体通信技术,天线设计,网络协议,人体传感器网络
健康物联网,健康云计算,高性能医疗器械,可穿戴健康设备

工作经历

2007.05-至今 中国科学院深圳先进技术研究院

专利与奖励

   
奖励信息
(1) 一种基于非均匀介质的高安全性人体通信技术, 一等奖, 国家级, 2020
(2) 基于实时统计分析的高可信生命特征监测关键技术及产品运用, 二等奖, 省级, 2018
(3) 穿戴式人体传感器网络, 二等奖, 市地级, 2017

主持项目

面向射频无创血糖监测机制的人体体素电磁传感模型研究 国家级  ||  多模态无创CGM关键技术与系统研究 国家级  ||   连续血糖监测中非均匀介质人体组织的射频动态响应机制研究 国家级  ||  基于非均匀介质模型的人体通信动态信道传播特性研究   国家级 ||   基于人体通信的人-车通信   国家级   ||   基于人体通信的身份识别关键技术  国家级    ||   基于人体通信技术的无创血糖检测系统研究与开发 省部级    ||   用于穿戴式设备的人体通信动态信道传播机制的理论研究与建模分析 省部级    ||    应用于普惠健康的人体通信技术的研究 省部级   ||     一种基于人体通信的身份认证鉴别研究开发 省部级   ||   基于射频的无创血糖检测影响机制及关键技术研究   省部级 ||  基于HBC的媒体应用技术合作项目 企业委托

专利成果

提案名称

申请号

一种低血糖预警方法

PCT/CN2020/129155

一种血糖波动评价方法

PCT/CN2020/129205

基于深度学习的多频段光声无创血糖浓度预测系统

CN201811426266.7

一种穿戴式设备身份识别技术

CN201611103894.2

一种基于心电与脑电信息结合的糖尿病前期检测方法

PCT/CN2020/128559

一种座椅调节控制方法及系统

CN201310590601.8

一种基于可穿戴监测方法的闭环人工胰腺系统

PCT/CN2020/128560

PCB板元件送递系统及方法

CN201310629119.0

辅助阅读设备及辅助阅读系统和辅助阅读方法

CN201310634661.5

心理调节方法和装置

CN201410821853.1

基于人体通信的汽车监控系统和方法

CN201410175982.8

一种骨传导耳机、多媒体发射装置及系统

CN201310624948.X

应用于人体通信信道的纠错编解码方法及其装置

CN201310226302.6

实现FFT/IFFT变换的电路及方法

CN201110430750.9

实现FFT/IFFT变换的电路及方法

CN201110430773.X

用于信息交互的服务器终端、客户终端以及信息交互系统

CN201410137022.2

ECG去除工频干扰的方法及系统

CN201210160663.0

一种医用输液滴速评价方法及系统

CN201510915398.6

SPI控制器及通信方法

CN201210572669.9

一种基于人体生理信息采集的运动提醒系统及方法

CN201310474400.1

一种多媒体播放器的自动关闭系统及方法

CN201310362397.4

音频通信系统

CN201410138505.4

信息处理装置、方法和信息交换系统

CN201410220305.3

一种调节乒乓球台高度的控制方法、装置及系统

CN201310659599.5

具有安全机制的GPIO IP

CN201210579534.5

一种儿童坠床预警系统及方法

CN201310641891.4

一种儿童坠床预警系统及方法

CN201310641576.1

一种基于心电的糖化血红蛋白水平无创检测方法

CN202011429924.5

基于人体通信的跌倒检测系统及方法

CN201611155006.1

一种基于心电与脑电信息结合的糖尿病前期检测方法

CN202010475003.6

一种基于可穿戴监测方法的闭环人工胰腺系统

CN202010424624.1

一种基于数据和生理信息融合驱动的可穿戴低血糖预警方法

CN202010411935.4

一种基于多模融合的低血糖预警方法

CN202010408213.3

一种可穿戴自适应优化的人体通信方法及装置

CN202010111260.1

一种低血糖预警方法

CN201911395132.8

一种血糖波动评价方法

CN201911378693.7

一种制备生物组织模拟材料的方法

PCT/CN2016/110365

一种红外理疗效果的评估方法

CN201710718408.6

一种红外理疗效果的评估方法

PCT/CN2017/098284

基于人体通信的身份识别的方法

PCT/CN2017/074537

基于闭环的脑控功能性电刺激系统

PCT/CN2016/105385

基于人体通信的盲人导航系统

CN201621373229.0

基于人体通信的身份识别的方法

CN201710100699.2

基于生物介电谱的皮肤生化指标检测技术

CN201710047116.4

提案名称

申请号

一种低血糖预警方法

PCT/CN2020/129155

一种血糖波动评价方法

PCT/CN2020/129205

基于深度学习的多频段光声无创血糖浓度预测系统

CN201811426266.7

一种穿戴式设备身份识别技术

CN201611103894.2

一种基于心电与脑电信息结合的糖尿病前期检测方法

PCT/CN2020/128559

一种座椅调节控制方法及系统

CN201310590601.8

一种基于可穿戴监测方法的闭环人工胰腺系统

PCT/CN2020/128560

PCB板元件送递系统及方法

CN201310629119.0

辅助阅读设备及辅助阅读系统和辅助阅读方法

CN201310634661.5

心理调节方法和装置

CN201410821853.1

基于人体通信的汽车监控系统和方法

CN201410175982.8

一种骨传导耳机、多媒体发射装置及系统

CN201310624948.X

应用于人体通信信道的纠错编解码方法及其装置

CN201310226302.6

实现FFT/IFFT变换的电路及方法

CN201110430750.9

实现FFT/IFFT变换的电路及方法

CN201110430773.X

用于信息交互的服务器终端、客户终端以及信息交互系统

CN201410137022.2

ECG去除工频干扰的方法及系统

CN201210160663.0

一种医用输液滴速评价方法及系统

CN201510915398.6

SPI控制器及通信方法

CN201210572669.9

一种基于人体生理信息采集的运动提醒系统及方法

CN201310474400.1

一种多媒体播放器的自动关闭系统及方法

CN201310362397.4

音频通信系统

CN201410138505.4

信息处理装置、方法和信息交换系统

CN201410220305.3

一种调节乒乓球台高度的控制方法、装置及系统

CN201310659599.5

具有安全机制的GPIO IP

CN201210579534.5

一种儿童坠床预警系统及方法

CN201310641891.4

一种儿童坠床预警系统及方法

CN201310641576.1

一种基于心电的糖化血红蛋白水平无创检测方法

CN202011429924.5

基于人体通信的跌倒检测系统及方法

CN201611155006.1

一种基于心电与脑电信息结合的糖尿病前期检测方法

CN202010475003.6

一种基于可穿戴监测方法的闭环人工胰腺系统

CN202010424624.1

一种基于数据和生理信息融合驱动的可穿戴低血糖预警方法

CN202010411935.4

一种基于多模融合的低血糖预警方法

CN202010408213.3

一种可穿戴自适应优化的人体通信方法及装置

CN202010111260.1

一种低血糖预警方法

CN201911395132.8

一种血糖波动评价方法

CN201911378693.7

一种制备生物组织模拟材料的方法

PCT/CN2016/110365

一种红外理疗效果的评估方法

CN201710718408.6

一种红外理疗效果的评估方法

PCT/CN2017/098284

基于人体通信的身份识别的方法

PCT/CN2017/074537

基于闭环的脑控功能性电刺激系统

PCT/CN2016/105385

基于人体通信的盲人导航系统

CN201621373229.0

基于人体通信的身份识别的方法

CN201710100699.2

基于生物介电谱的皮肤生化指标检测技术

CN201710047116.4


近期论文

[1]   J. Li, J. Ma, O. M. Omisore, Y. Liu, H. Tang, P. Ao, Y. Yan, L. Wang, and Z. Nie, “Noninvasive Blood Glucose Monitoring Using Spatiotemporal ECG and PPG Feature Fusion and Weight-Based Choquet Integral Multimodel Approach,” IEEE Trans Neural Netw Learn Syst, vol. Pp, Jun 8, 2023.

[2]   A. Kandwal, L. W. Liu, J. Li, Y. Liu, H. Tang, Z. Ju, T. Igbe, R. Jasrotia, and Z. Nie, “Designing Highly Sensitive Microwave Antenna Sensor with Novel Model for Noninvasive Glucose Measurements,” Progress In Electromagnetics Research, vol. 176, pp. 129-141, 2023.

[3]   J. Li, J. Lu, I. Tobore, Y. Liu, A. Kandwal, L. Wang, X. Ma, W. Lu, Y. Bao, J. Zhou, and Z. Nie, “Gradient variability coefficient: a novel method for assessing glycemic variability and risk of hypoglycemia,” Endocrine, 2022/01/23, 2022.

[4]   A. Kandwal, J. Li, T. Igbe, Y. Liu, R. Das, B. K. Kanaujia, and Z. Nie, “Young’s Double Slit Method-Based Higher Order Mode Surface Plasmon Microwave Antenna Sensor: Modeling, Measurements, and Application,” IEEE Transactions on Instrumentation and Measurement, vol. 71, pp. 1-11, 2022.

[5]   J. Li, I. Tobore, Y. Liu, A. Kandwal, L. Wang, and Z. Nie, “Non-invasive Monitoring of Three Glucose Ranges Based On ECG By Using DBSCAN-CNN,” IEEE Journal of Biomedical and Health Informatics, vol. 25, no. 9, pp. 3340-3350, 2021.

[6]   J. Li, J. Lu, I. Tobore, Y. Liu, A. Kandwal, L. Wang, J. Zhou, and Z. Nie, “Towards noninvasive and fast detection of Glycated hemoglobin levels based on ECG using convolutional neural networks with multisegments fusion and Varied-weight,” Expert Systems with Applications, vol. 186, pp. 115846, 2021/12/30/, 2021.

[7]   A. Kandwal, Z. Nie, T. Igbe, J. Li, Y. Liu, L. W. Liu, and Y. Hao, “Surface Plasmonic Feature Microwave Sensor With Highly Confined Fields for Aqueous-Glucose and Blood-Glucose Measurements,” IEEE Transactions on Instrumentation and Measurement, vol. 70, pp. 1-9, 2021.

[8]   A. Kandwal, L. W. Liu, T. Igbe, J. Li, Y. Liu, R. Das, B. K. Kanaujia, L. Wang, and Z. Nie, “A Novel Method of Using Bifilar Spiral Resonator for Designing Thin Robust Flexible Glucose Sensors,” IEEE Transactions on Instrumentation and Measurement, vol. 70, pp. 1-10, 2021.

[9]   T. Igbe, J. Li, A. Kandwal, O. M. Omisore, E. Yetunde, L. Yuhang, L. Wang, and Z. Nie, “An absolute magnitude deviation of HRV for the prediction of prediabetes with combined artificial neural network and regression tree methods,” Artificial Intelligence Review, 2021/08/24, 2021.

[10] I. Tobore, A. Kandwal, J. Li, Y. Yan, O. M. Omisore, E. Enitan, L. Sinan, L. Yuhang, L. Wang, and Z. Nie, “Towards adequate prediction of prediabetes using spatiotemporal ECG and EEG feature analysis and weight-based multi-model approach,” Knowledge-Based Systems, vol. 209, pp. 106464, 2020/12/17/, 2020.

[11] J. Li, X. Ma, I. Tobore, Y. Liu, A. Kandwal, L. Wang, J. Lu, W. Lu, Y. Bao, J. Zhou, and Z. Nie, “A Novel CGM Metric-Gradient and Combining Mean Sensor Glucose Enable to Improve the Prediction of Nocturnal Hypoglycemic Events in Patients with Diabetes,” Journal of Diabetes Research, vol. 2020, pp. 8830774, 2020.

[12] A. Kandwal, J. Li, T. Igbe, Y. Liu, S. Li, L. Wang, Y. Hao, and Z. Nie, “Broadband Frequency Scanning Spoof Surface Plasmon Polariton Design with Highly Confined Endfire Radiations,” Scientific Reports, vol. 10, no. 1, Jan 10, 2020.

[13] A. Kandwal, T. Igbe, J. Li, Y. Liu, S. Li, L. W. Y. Liu, and Z. Nie, “Highly Sensitive Closed Loop Enclosed Split Ring Biosensor With High Field Confinement for Aqueous and Blood-Glucose Measurements,” Scientific reports, vol. 10, no. 1, pp. 4081-4081, 2020 Mar, 2020.

[14] I. Tobore, J. Li, Y. Liu, Y. Al-Handarish, A. Kandwal, Z. Nie, and L. Wang, “Deep Learning Intervention for Health Care Challenges: Some Biomedical Domain Considerations,” Jmir Mhealth and Uhealth, vol. 7, no. 8, Aug 2, 2019.

[15] I. Tobore, J. Li, A. Kandwal, Y. Liu, Z. Nie, and L. Wang, “Statistical and spectral analysis of ECG signal towards achieving non-invasive blood glucose monitoring,” Bmc Medical Informatics and Decision Making, vol. 19, Dec 19, 2019.

[16] L. W. Y. Liu, A. Kandwal, Q. Cheng, H. Shi, I. Tobore, and Z. Nie, “Non-Invasive Blood Glucose Monitoring Using a Curved Goubau Line,” Electronics, vol. 8, no. 6, Jun, 2019.

[17] A. Kandwal, Z. Nie, L. Wang, L. W. Y. Liu, and R. Das, “Realization of Low Profile Leaky Wave Antennas Using the Bending Technique for Frequency Scanning and Sensor Applications,” Sensors, vol. 19, no. 10, May 2, 2019.

[18] A. Kandwal, Z. Nie, J. Li, Y. Liu, L. W. Y. Liu, and R. Das, “Bandwidth and Gain Enhancement of Endfire Radiating Open-Ended Waveguide Using Thin Surface Plasmon Structure,” Electronics, vol. 8, no. 5, May, 2019.

[19] T. Igbe, J. Li, Y. Liu, S. Li, A. Kandwal, Z. Nie, and W. Lei, "Analysis of ECG Segments for Non-Invasive Blood Glucose Monitoring." pp. 1-6.

[20] N. Zeng, J. Li, T. Igbe, Y. Liu, C. Yan, Z. Nie, and Ieee, Investigation on Dielectric Properties of Glucose Aqueous Solutions at 500 KHz-5MHz for Noninvasive Blood Glucose Monitoring, 2018.