陈炳阳，男，博士，河南工业大学青年教师。

现主要从事人工智能、数据挖掘、医工交叉融合等研究工作，具体方向包括时序数据分析、多模态表征和领域知识嵌入深度学习模型等。主持河南省科技攻关1项，河南工业大学复杂性科学中心开放课题1项，河南工业大学高层次人才项目1项，校级创新基金 1 项，参与国家自然科学基金重点研发计划，面上等多项横纵向项目。发表知名期刊及会议论文近二十篇，其中，第一作者中科院一区7篇、二区 2 篇。第一作者申请发明专利 4 项，其中授权 1 项。国家公派赴加拿大多伦多大学计算机专业访学。获博士研究生国家奖学金、中国技术市场协会金桥奖二等奖等多项奖励。

通讯地址：河南省郑州市莲花街100号 

电子邮箱：bingyangchen@haut.edu.cn

教育与工作经历

2020.09-2024.06  中国石油大学计算机学院  博士研究生

2022.04-2023.04  加拿大多伦多大学（全球TOP20）计算机学院  博士联培

2024.07-至今  河南工业大学   讲师

实验室和科研团队简介

中医微纳传感与智能检测团队致力于人工智能、智能传感器、精密测控技术及其在中医信息感知、数据分析、未病建模及疾病诊断等方面的应用研究。针对传统中医辨证诊断所需要的多项人体生理参数，面向量化中医疾病诊断增强中医可解释性的重大需求。重点研究监测脑电、脉搏、气味、舌象等生理参数的传感器技术及其数据后处理，探究中医表征与病症发展变化的生理健康信息，定位“未病”生理信息临界状态生理信息变化，建立病症由“未病”到“已病”变化的生理参数表征，揭示“未病”到“已病”转变的生理参数变化规律。为中医疾病诊断的量化以及中医可解释性提供科学论据。

研究领域与方向

1.基于领域知识的数据表征方法：结合领域知识，针对时序传感数据，图像数据，建立多模态表征方法。

2.面向样本约束的适应性建模：基于独立协同/边缘计算，或基于数据对齐策略构建领域大语言模型，提高模型在目标少样本任务的有效性。 上述方法可用于医疗，工业等多个领域。

研究成果

（一）主持的科研项目

1.河南省科技攻关项目，“少样本深度学习在强非均质性区块智能储层识别及匹配中的应用研究”，2025.01-2026.12，在研;

2.河南工业大学复杂性科学中心开放课题，“基于传感数据的医养健康异常行为检测技术研究”，2024.12-2025.09，在研;

3. 河南工业大学高层次人才科研基金项目，“面向储能电池状态时序演化的少样本高效能泛化计算”，2024.9-2027.9，在研;

4. 中国石油大学创新基金项目，“基于小样本学习的剩余油挖潜”，2021.6-2022.6，结题;

（二）代表性成果

奖励

1. 高可信联邦智能关键技术研发及产业化，中国技术市场协会金桥奖，省部二等奖，2020.

2. 博士研究生国家奖学金，2023.

3. 国家留学基金委奖学金，2021.

代表性论文：

[1]Chen B, Fan L, Zeng X, et al. A contribution-aware federated framework for electric vehicle batteries health estimation [J]. IEEE Internet of Things Journal, 2025, 12(5): 4605-4612. (SCI中科院一区Top，第一作者).

[2]Chen B, Zeng X, Liu C, et al. Health management of power batteries in low temperatures based on adaptive transfer Enformer framework[J]. Reliability Engineering & System Safety, 2025, 254: 110613. (SCI中科院一区TOP，第一作者).

[3]Chen B, Wang K, Xu D, et al. Global-local attention network and value-informed federated strategy for predicting power battery state of health[J]. Energy, 2024, 313: 134088. (SCI中科院一区TOP，第一作者).

[4]Chen B, Zeng X, Zhou J, et al. Value-aware meta-transfer learning and convolutional mask attention networks for reservoir identification with limited data[J]. Expert Systems with Applications, 2023, 223: 119912. (SCI中科院一区TOP，第一作者).

[5]Chen B, Zeng X, Zhang W, et al. Knowledge sharing-based multi-block federated learning for few-shot oil layer identification[J]. Energy, 2023: 128406. (SCI中科院一区TOP，第一作者).

[6]Fan L, Chen B*, Zeng X, et al. Knowledge-enhanced meta-transfer learning for few-shot ECG signal classification[J]. Expert Systems with Applications, 2025, 263(5): 125764. (SCI中科院一区TOP，唯一通信作者).

[7]Chen B, Zeng X, Cao S, et al. Interwell Stratigraphic Correlation Detection based on knowledge-enhanced few-shot learning[J]. Journal of Petroleum Science and Engineering, 2023, 220: 111187. (SCI中科院一区，第一作者).

[8]Chen B, Zeng X, Fan L, et al. Adaptive Spatio-Temporal Neural Networks Based on Machine Learning for Missing Well Log Prediction[J]. Geophysics, 2023, 88(6): 431-443. (SCI中科院二区，第一作者).

[9]Chen B, Wang X, Zhang W, et al. Public opinion dynamics in cyberspace on Russia–Ukraine War: a case analysis with Chinese Weibo[J]. IEEE Transactions on Computational Social Systems, 2022, 9(3): 948-958. (SCI中科院二区，CCF-C 类，第一作者).

[10]Chen B, Chen T, Zeng X, et al. DFML: Dynamic federated meta-learning for rare disease prediction[J]. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2023. (SCI中科院三区，CCF-B 类，第一作者).

（三）授权发明专利

1.陈炳阳, 张卫山, 曾星杰, 侯召祥, 陈涛. 一种基于小样本学习的剩余油挖潜方法[P]. 发明专利. (已授权，专利号：ZL202110624187.2)