研究领域

机器学习、基础大模型、时间序列分析、多模态融合、脑机接口

个人简介

郑青青，1991年生，广东普宁人。硕士生导师，南山领航人才，广东省科技厅专家。2014年于北京邮电大学通信与信息工程学院获得工学学士学位，2018年在香港中文大学获得计算机科学与工程博士学位，师从长江学者Prof. Heng Pheng-Ann; 之后加入腾讯优图实验室及微信技术架构部担任高级研究员（2018-2021）,在中国科学院深圳先进技术研究院担任副研究员（2021-2025）。2025年6月全职加入深圳理工大学人工智能研究院，担任特聘副教授，致力于多模态医学时序数据智能感知与融合，推动脑机接口及精准医疗发展。

主要研究方向

医学影像智能分析：深入研究乳腺超声视频病灶分割、术前术中MRI-US跨模态配准及超声质评，支撑临床精准诊疗；并行探索视频超分、插帧等底层视觉任务。
脑电信号解码与脑机接口：提出首个EEG Conformer架构，融合卷积与Transformer优势，实现高精度时空特征建模；建立支持矩阵机理论，提升小样本分类性能。
跨域自适应与系统鲁棒性：提出动态联合域适应网络与无监督对比学习框架，攻克脑电信号跨被试解码难题，增强脑机接口在真实场景中的适应能力。
未来研究将围绕以下方向展开：
1）多源异构医学数据融合与多模态大模型：构建面向多模态医学数据（影像、信号、文本）的统一多模态大模型，实现深层次的跨模态信息互补与协同分析。
2）个性化神经调控与自适应学习算法：研发基于自适应算法的闭环脑机接口系统，重点探索模型在个体差异与动态变化中的泛化能力，实现真正个性化的神经调控。
3）神经信号解码及其脑机接口应用：探索大脑活动的本质性特征表征，发展新一代解码算法，并推动其在康复、交互等领域的创新应用。

学习经历

2014/08-2018/11，香港中文大学，计算机科学与工程，博士，导师：Pheng-Ann Heng
2010/09-2014/07, 北京邮电大学，信息工程，学士

工作经历

2025/06-至今，深圳理工大学，人工智能研究院，特聘副教授
2021/08-2025/05，中国科学院深圳先进技术研究院，集成所认知与交互研究中心，副研究员
2018/08-2021/07， 腾讯科技（深圳）有限公司，高级研究员

近五年主持或参加的国家、省部级科研项目：

(1) 国家自然科学青年基金项目，具有隐私保护的脑电情感识别方法研究（经费：30万，项目

编号：62206270），2023/1/1-2025/12/31, 在研，主持；

(2) 广东省自然科学基金-面上项目, 交互式视频补全和评估方法研究（经费：10万，项目编

号：2023A1515010664）, 2023/01.01-2025/12/31, 在研，主持；

(3) NSFC联合基金重点项目，面向前列腺粒子植入的跨模态影像智能识别与动态图像精准融

合的理论和方法研究（经费：250万，项目编号：U23A20391），2024/1/1 - 2027/12/31，在研，参与。

(4) 广东省自然科学基金-青年项目， 基于领域自适应的运动想象脑电信号解码研究（经费：

10万，项目编号：2021A151510598），2021/10/01-2024/09/30，结题，主持；

代表性文章

[1] Zheng Q(第一作者), Wang Y, Heng P A. Online subspace learning from gradient orientations
for robust image alignment[J]. IEEE Transactions on Image Processing, 2019, 28(7): 3383-3394.
[2] Zhao H, Zheng Q (通讯作者), Ma K, et al. Deep representation-based domain adaptation for
nonstationary EEG classification[J]. IEEE Transactions on Neural Networks and Learning Systems, 2020, 32(2): 535-545.
[3] Song Y, Zheng Q(通讯作者), Wang Q, et al. Global adaptive transformer for cross-subject
enhanced EEG classification[J]. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2023, 31: 2767-2777.
[4] Zheng Q(第一作者), Wang Y, Heng P A. Multitask feature learning meets robust tensor
decomposition for EEG classification[J]. IEEE Transactions on Cybernetics, 2021, 51(4): 2242-2252.
[5] Xu C, Song Y, Zheng Q(通讯作者), et al. Unsupervised multi-source domain adaptation via
contrastive learning for EEG classification[J]. Expert Systems with Applications, 2025, 261: 125452.

授权专利

[1] 雷梦颖，邓梓君，赵赫，郑青青，马锴，郑冶枫，运动想象脑电信号的处理方法和装置及存储介质，2021.11.15，中国，ZL201910843985.7
[2] 赵赫，雷梦颖，郑青青，马锴，郑冶枫，一种基于深度学习的模型训练方法以及相关装
置，2024.03.12，中国，ZL201910818363.9
[3] 洪晓林，郑青青，王新民，马锴，郑冶枫，一种手势信息处理方法、装置、电子设备及存储介质，2023.05.30，中国，ZL202010033904.X
[4] 王新民，郑青青，洪晓林，马锴，郑冶枫，脑电信号分类方法、装置、计算机设备和存储介质，2024.04.19，中国，ZL202010124738.4
[5] 赵远远，郑青青，刘浩，李琛，杨博，吕静，一种视频处理方法及装置、计算机设备和存储介质，2024.08.06，中国，ZL202110245053.X
[6]郑青青，赵远远，图像渲染处理方法、装置和设备及计算机存储介质，2025.9.9，中国，ZL202110765134.2
[7] 雷梦颖，邓梓君，赵赫，郑青青，马锴，郑冶枫，脑电信号的处理方法和装置及存储介
质，2021.03.11，PCT Patent, PCT/CN2020/112766
[8] 洪晓林，郑青青，王新民，马锴，郑冶枫，一种手势信息处理方法、装置、电子设备及存储介质， 2021.07.22，PCT Patent, PCT/CN2020/130567
[9] 郑青青，陈彦峰，王琼，基于联邦学习的脑电信号分类模型训练方法及装置，
2025.08.01，中国，ZL202111347340.8
[10] 郑青青，李嘉陆，王琼，赵保亮，胡颖，图像处理方法及装置，2025.08.05, 中国，ZL202210590677.X
[11]Xiaolin Hong, Qingqing Zheng, Xinmin Wang, Kai Ma, Yefeng Zheng, Gesture information
processing method and apparatus, electronic device, and storage method, 2023.11.23, US Patent,
US18/227,857