范夏琼，女，博士，河南工业大学讲师、硕士生导师。
现主要从事人工智能、数据挖掘、组学数据解析、化学信息学交叉融合等研究工作，具体方向包括计算机视觉、深度学习、食品数据挖掘和组学数据分析等。现主持河南省科技厅科技攻关项目2项；主持河南工业大学高层人才启动项目1项；主持河南中烟工业有限责任公司博士后科技项目1项；参与河南中烟工业有限责任公司科技项目1项；在国际知名期刊和会议上发表学术论文20余篇；累计引用超520次；H指数12。
通讯地址：河南省郑州市莲花街100号
电子邮箱：fxq@haut.edu.cn
教育与工作经历
2013.09-2017.06 中南大学 应用化学 学士学位
2017.09-2022.06 中南大学 化学 博士学位
2022.07-至今 河南工业大学 讲师
实验室和科研团队简介
所在团队专注于以药食同源中药材为媒介，融合发展传统医学（传统草药学知识）与现代技术（人工智能手段），以药材品质智能检测方法和技术研究、检测设备的开发以及行业标准的制定为发展方向，致力于药食同源中药材大数据库（包括内在品质指标数据库、安全指标数据库及光谱大数据库）、数据共享与协同、品质高通量测定与分析大（元）模型、智能监测系统等方向的研究，以推动中医药现代化进程，提高中药材的质量管理水平，保障中药的临床疗效和药物安全。
研究领域与方向
1.新型深度学习模型构建。结合深度学习最新进展与经典理论，针对不同场景设计全新人工智能模型，解决人工智能算法在识别精度、计算效率、泛化性能等多方面存在的问题，提高算法的普适性和鲁棒性。
2.智能解析算法和软件开发。利用人工智能和机器学习技术，结合实际分析需求，开展仪器数据的自动化解析工作，设计相应的算法，开发简单易用的平台，为相关行业的分析、使用提供便捷的工具。
3.算法模型在食品、药品等复杂体系分析中的应用。基于所提算法，对药食同源研究中涉及的产地溯源、质量分级、真假鉴别等诸多问题开展研究，提高药食同源等物质的智能化质量控制水平和可解释能力。
研究成果
（一）主持的科研项目
1.GC-MS数据深度解析及其在非酒精性脂肪性肝病中的应用，河南省科技厅科技攻关项目，主持，2025.01-2026.12;
2. 基于深度学习的代谢组学色谱-质谱分辨与标记物发现研究与应用，河南省科技厅科技攻关项目，主持，2023.01-2025.12;
3. 基于信息融合的上六片特征挖掘与判别应用研究，河南中烟工业有限责任公司博士后科技项目，主持，2024.04-2026.04;
4. 基于深度学习的复杂体系分析方法研究，河南工业大学高层人才启动项目，主持, 2023.01-2025.12;
（二）代表著作与论文
代表性论文：
[1].Xiaqiong Fan; Tiejun Yang; Hongchao Ji. PLSELM: A lightweight modeling approach for low-data calibration in near-infrared spectroscopy, Analytica Chimica Acta, 2025. （JCR Q1, 中科院二区, Top期刊）
[2].Xiaqiong Fan; Peng Li; Hongchao Ji. DeepPHSI: attention-driven CNN-LSTM fusion for hyperspectral origin traceability across Pogostemon cablin batches, RSC advances, 2025. （JCR Q1, 中科院三区）
[3].Xiaqiong Fan; Tiejun Yang; Hongchao Ji. A systematic calibration transfer and quantification method based on principal components extreme learning machine for near-infrared spectroscopy, Analytica Chimica Acta, 2025. （JCR Q1, 中科院二区, Top期刊）
[4].Xiaqiong Fan; Hongchao Ji; Xiaozhen Ren. ICVAE: Interpretable Conditional Variational Autoencoder for DeNovo Molecular Design, International Journal of Molecular Sciences, 2025. （JCR Q1, 中科院三区）
[5].Xiaqiong Fan; Hongmei Lu; Zhimin Zhang. A Universal and Accurate Method for Easily Identifying Component in Raman Spectroscopy Based on Deep Learning, Analytical Chemistry, 2023. （JCR Q1, 中科院一区, Top期刊, 自然指数期刊）
[6].Xiaqiong Fan; Zhimin Zhang; Hongmei Lu. Fully automatic resolution of untargeted GC-MS data with deep learning assistance, Talanta, 2022. （JCR Q1, 中科院二区，Top期刊）
[7].Xiaqiong Fan; Hongmei Lu; Zhimin Zhang. Deep-Learning-Assisted multivariate curve resolution, Journal of Chromatography A, 2021. （JCR Q1, 中科院二区, Top期刊）
[8].Xiaqiong Fan; Zhimin Zhang; Hongmei Lu; Deep learning-based component identification for the Raman spectra of mixtures, Analyst, 2019. （JCR Q1, 中科院三区）
[9].Xiaqiong, Fan; Hongmei, Lu; Zhimin, Zhang. Direct calibration transfer to principal components via canonical correlation analysis, Chemometrics And Intelligent Laboratory Systems, 2018. （JCR Q1, 中科院二区）
[10].Yue Wang, Xiaqiong Fan, Qiaotao Tao, et al. EasyCID: Make Component Identification Easy in Raman Spectroscopy. Chemometrics and Intelligent Laboratory Systems, 2022. （JCR Q1, 中科院二区）
