MSECS@JHU – 吕建刀¶
基本信息 Basic Information¶
本科专业：CSAI (4+0)
申请学位：Master
领域偏好：医疗类AI、人机交互、自适应多模态医疗系统、无障碍计算
最终去向：MSECS@JHU — MSE Computer Science
申请三维 Application Information¶
均分（大一/大二/大三）：78/72/73/72(大四)
语言成绩：IELTS 7.0（单项：7.5 / 8.0 / 6.0 / 6.0）
GRE：325（V155，Q170，写作分数忽略）
申请结果 Application Results¶
| 项目 | 结果 | 提交日期 | 结果日期 |
|---|---|---|---|
| 1. MSECS@JHU — MSE Computer Science |  Chosen |
||
| 2. MSCS@Georgetown — MS Computer Science |  Admit |
||
| 3. CS28@USC — MS Computer Science | Admit |
||
| 4. MCS@Rice — Master of Computer Science | Admit |
||
| 5. MSCS@NYU-Tandon — MS Computer Science (Tandon) | Admit |
||
| 6. MSCS@Columbia — MS Computer Science |  Waitlist |
||
| 7. MSCS@UCD — MS Computer Science | Waitlist |
||
| 8. MSCS@UNC — MS Computer Science | Waitlist |
||
| 9. MSCS@Duke — MS Computer Science |  Reject |
||
| 10. MSCS@UCB — MS Computer Science | Reject |
||
| 11. MSCSE@UMich — MS Computer Science and Engineering | Reject |
||
| 12. MSCS@NWU — MS Computer Science | Reject |
||
| 13. MSCS@WUSTL — MS Computer Science | Reject |
个人经历 Personal Academic Experiences¶
科研经历 Research Experiences¶
-
XR解谜游戏可用性研究助理 依托校内计算机实验室开展扩展现实解谜游戏相关研究，参与60名受试者可用性测试；发现80%受试者晕动症根源并非渲染画质、帧率不足，而是场景突兀切换；向导师提出将人机交互适配模型与用户个体差异结合作为后续研究方向。
-
暑期手术机器人视觉引导暑研 基于Python、OpenCV处理腹腔镜手术视频流，实现器官边界、病灶区域识别；术中血流遮挡等问题大幅降低传统图像处理模型精度；采用感兴趣区域优先策略提升响应速度，为后续医疗AI优化提供实践基础。
-
本科毕业设计：基于DINO Transformer的数字病理癌细胞识别 针对千兆像素病理切片算力消耗大、模型泛化性差的痛点，在Meta DINO框架下引入自适应注意力机制与梯度累加策略；训练稳定性显著提升，单张切片处理时长减半，癌细胞检测精度同步优化；深耕辅助临床诊断的多模态自适应AI方向。
实习经历 Internship Experiences¶
-
和仁科技 技术开发岗 负责上万份格式异构老旧病历与医院全新绩效系统的数据融合工作；搭建SQL映射对照表，使用Python Pandas编写批量转换自动化脚本，在不干扰医院日常诊疗流程前提下完成全量病历数据标准化迁移。
-
手术机器人团队暑期实习 聚焦微创手术实时视觉辅助系统迭代，完成视频流病灶识别基础开发，直面术中视觉遮挡带来的检测失效难题，积累医疗影像AI落地实操经验。
项目经历 Project Experiences¶
-
Silver Coding 银发智能手机教学社区公益项目 最初采用标准化教学方案教学老年人使用智能手机，效果极差；一对一访谈定位老年群体认知瓶颈，重构碎片化分步教学流程，将专业术语转化生活化比喻降低记忆负担；后续养老社区志愿工作中，优化视频沟通工具使用方案，简化相册、联系人操作，改用照片、信件形式降低老人使用门槛，深化以人为中心的无障碍计算认知。
-
校园智能家居&外卖平台通信原型开发 技术栈Python + Flask，初期仅考虑设备兼容问题，后发现跨系统、跨团队工作流协同才是核心难点；自主设计数据映射抽象层方案，打通多智能设备信息互通，实现智能音箱实时同步外卖配送动态。
-
入门项目：Scratch自制空战小游戏 独立完成碰撞检测、伤害数值计算模块开发；意识到纯数理逻辑设计忽略用户自然操作习惯会大幅降低产品使用体验，奠定技术设计需贴合人类行为的底层思路。
荣誉奖项 Awards¶
无
申请经验 Application Experience Sharing¶
选校选专业：¶
核心申请方向绑定医疗AI与人机交互，JHU作为最终目标院校，其工程学院注重计算研究落地临床医疗场景，完全匹配自身多段医疗影像、医院信息化相关科研实习经历；其余选校分层搭配，冲刺校包含伯克利、杜克、西北等强CS院校，匹配校涵盖NYU、南加大、莱斯等，保底选择乔治城，整体梯度清晰。所有项目统一申请MSCS，依托项目内医疗计算、人机交互细分方向匹配个人研究兴趣。
标化成绩准备：¶
雅思总分7.0，阅读单项优势明显，口语写作短板；GRE总分325，数学拿到满分，Verbal155满足多数顶尖CS项目门槛，写作分数不做重点准备。整体标化达到JHU、Rice等院校CS硕士常规录取分数线，无明显短板拖垮申请，重点依靠科研实习文书拉开差异化优势。
推荐信准备：¶
推荐信资源全部来源于校内科研导师、医疗行业实习领导，推荐内容分别覆盖XR人机交互科研、病理AI毕设、医院系统开发、手术机器人工程落地四大板块，从学术研究、工程实操两个维度佐证医疗AI相关能力，与文书主线高度呼应。
暑研/实习建议：¶
优先深耕垂直赛道实习科研，医疗AI赛道差异化优势远大于通用软件开发实习；两段手术机器人相关暑研+医院病历系统企业实习形成完整医疗计算履历，同时搭配无障碍公益项目补充人文视角，区别于只做纯算法竞赛的申请者。实习中主动挖掘真实业务痛点，落地可量化成果（上万份病历自动化处理、病理切片效率提升），是文书核心素材。
其他建议：¶
文书采取双线写作策略：一篇多样性主题PS围绕老年无障碍项目突出人文共情、包容性技术设计理念；一篇SOP完整串联游戏交互、XR可用性、医疗系统、病理影像全流程经历，清晰梳理从人机交互到医疗自适应AI的完整学术动机，紧扣JHU工程学院转化落地的培养特色；申请过程分层投递，冲刺校、匹配校、保底校错开投递时间，5月收到多所院校waitlist，医疗AI细分赛道竞争激烈，需提前做好多梯度选校规划。