• 基于两级多分支卷积神经网络的手写古吉拉特文字符识别框架研究

  在数字化浪潮席卷全球的今天，如何让古老的文字在数字世界重焕生机，成为文化遗产保护的重要课题。古吉拉特文作为印度四大古典文字之一，不仅承载着《吠陀经》等宗教典籍的智慧，更在当代被5000万人口日常使用。然而，这种拥有复杂连字结构和修饰符的文字系统，却给光学字符识别(OCR)技术带来了巨大挑战——字符间极高的视觉相似度、连字组合的千变万化，以及手写体的个人风格差异，使得传统识别方法往往力不从心。以往的研究多采用平面卷积神经网络(CNN)或混合深度学习-机器学习(DL-ML)架构进行直接分类，但面对古吉拉特文特有的层次化结构时，这些方法往往难以有效区分易混淆字符。特别是在处理连字(conjuncts

  来源：IEEE Access

  时间：2025-12-11

• 联合使用倍他米松和罗哌卡因进行头皮神经阻滞在择期开颅手术患者中的应用：一项前瞻性、随机对照临床研究

  头皮神经阻滞联合糖皮质激素与局部麻醉剂的应用研究进展一、研究背景与临床意义术后疼痛管理是神经外科围术期治疗的核心环节。头皮神经阻滞（SCNB）作为非甾体抗炎药（NSAIDs）联合局部麻醉的常用方案，虽能显著缓解早期疼痛，但存在镇痛时效短（通常不超过24小时）、炎症反应持续等问题。约60%-80%的颅脑手术患者会出现中重度术后疼痛，其中30%可能发展为慢性头痛，直接影响远期预后和生活质量。当前医疗实践强调多模式镇痛策略，特别是减少阿片类药物使用对术后神经评估的影响。本研究聚焦于糖皮质激素在延长局部麻醉时效及调控炎症反应方面的潜力，为优化术后镇痛方案提供依据。二、研究设计与实施要点本前瞻性单中心随

  来源：Journal of Neurosurgical Anesthesiology

  时间：2025-12-11

• 一种适用于微尺度样品傅里叶变换红外（FTIR）分析中米氏散射校正的通用方法

  红外显微光谱中的Mie散射逆问题求解方法研究红外显微光谱作为分析微观生物结构和化学成分的重要工具，长期面临Mie散射干扰的挑战。当入射光波长与样本尺寸相当时，散射效应会导致吸收光谱特征失真，影响化学信息提取的准确性。本研究提出基于深度学习的通用散射校正方法，突破传统方法对化学先验知识的依赖，为显微红外分析提供新的解决方案。1. 研究背景与问题提出红外显微光谱通过分析样品对特定波长光的吸收特性，能够实现亚微米级空间分辨的化学成分检测。然而，当样本尺寸（如细胞、微塑料）与入射光波长（中红外波段2.5-25μm）处于相近量级时，Mie散射效应会显著干扰原始吸收信号。这种干扰表现为特征性的宽频带振荡（

  来源：ACS Omega

  时间：2025-12-11

• 一种新型的并发多尺度损伤分析方法，该方法通过物理信息驱动的神经网络得到了增强，适用于复合材料接头的研究

  碳纤维复合材料（CFRP）接头在航空航天结构中的关键应用使其成为材料力学研究的重要对象。传统多尺度分析方法在处理CFRP接头损伤演化时面临显著挑战：一方面，螺栓孔周围存在从纤维束到基体材料的尺度跨越，导致微观损伤（如纤维断裂、基体裂纹）与宏观力学响应（如刚度退化、能量耗散）难以协同分析；另一方面，现有方法在保证精度的前提下难以提升计算效率，特别是当需要处理非线性行为（如塑性变形、损伤累积）时，计算成本往往呈指数级增长。针对上述问题，研究团队提出融合有限元（FEM）与物理信息神经网络（PINN）的自洽聚类分析（SCA）方法，在CFRP接头多尺度损伤预测中实现效率与精度的双重突破。该方法创新性地构

  来源：COMPOSITES SCIENCE AND TECHNOLOGY

  时间：2025-12-11

• 一种基于多尺度物理神经网络的新型多轴疲劳寿命预测方法

  多轴疲劳寿命预测领域近期出现了一项具有创新性的研究进展。该研究由新疆大学机械工程学院团队主导完成，核心贡献在于提出了一种突破传统物理神经网络局限性的多尺度融合架构。研究团队通过系统性的文献分析和实验验证，揭示了当前主流预测模型在复杂工况下的性能瓶颈，并针对性地构建了具有物理约束与多尺度特征的新型神经网络模型。研究背景方面，疲劳失效作为机械系统常见失效模式，其预测精度直接影响工程安全评估。现有研究主要分为三类：纯物理模型、纯机器学习模型以及物理与机器学习融合模型。虽然物理模型具有机理可解释性强、计算效率高等优势，但面对多轴载荷的非线性耦合关系时，传统单尺度融合方法常出现泛化能力不足的问题。机器学

  来源：RELIABILITY ENGINEERING & SYSTEM SAFETY

  时间：2025-12-11

• 预测增材制造中因熔合缺陷不足导致的疲劳失效：一种协同的多尺度仿真-深度学习框架

  激光粉末床熔融（LPBF）制造技术因其独特的复杂结构成型能力，在航空航天、汽车等领域得到广泛应用。然而，熔池融合不良（LOF）缺陷导致的疲劳性能散射问题长期存在技术瓶颈。针对这一挑战，研究团队构建了融合多尺度物理建模与深度学习的混合框架，实现了LPBF打印铝合金部件的疲劳强度分布预测。该研究通过多维度创新，为增材制造部件的可靠性评估提供了新范式。在数据生成环节，研究突破性地采用三维生成对抗网络（3D GAN）技术。传统方法受限于实验数据的稀缺性，往往需要依赖人工合成的缺陷样本。而该团队通过X射线计算机断层扫描（XCT）获取真实缺陷的三维形态数据，训练出能够生成具有物理合理性缺陷几何特征的神经网

  来源：Additive Manufacturing

  时间：2025-12-11

• 甲醇合成的混合建模与多目标优化：将基于物理的仿真与机器学习替代方法相结合

  二氧化碳催化加氢制甲醇是当前碳中和技术研究的重要方向。该研究通过创新性整合物理建模与人工智能技术，构建了具有显著优势的混合优化框架。研究团队以Euromed大学为基地，联合国际科研机构，针对传统工艺中存在的效率瓶颈和成本障碍，开发了具有工业应用潜力的技术方案。在工艺基础研究方面，团队系统梳理了二氧化碳资源化利用的技术路径。通过分析水泥厂、炼油厂等高排放源的场景特征，确定了胺吸收法捕获二氧化碳与质子交换膜电解制氢的协同工艺。这种技术组合不仅实现了碳捕集与制氢的一体化，更通过热力学耦合优化将系统效率提升至83.6%，较传统工艺提高近12个百分点。模型构建阶段展现了跨学科研究的特色。物理建模采用As

  来源：ENERGY CONVERSION AND MANAGEMENT

  时间：2025-12-11

• 一种基于扩散驱动的多视图混合对比学习框架，用于捆绑推荐

  该研究针对稀疏交互场景下的捆绑推荐任务，提出了融合扩散模型与混合对比学习的创新框架。当前主流方法存在两个核心问题：首先，独立增强的视图（如物品视图和捆绑视图）容易产生语义不一致，导致用户偏好表征失真；其次，传统自监督方法仅通过随机噪声注入（如边删除）生成监督信号，难以捕捉跨视图的协作关系。研究团队通过三阶段技术革新构建了DDMMCL框架，有效解决了上述挑战。在数据增强阶段，提出的协作图扩散模型突破了传统自监督方法的局限。该模型通过联合优化去噪和跨视图对齐的双重目标，在扩散过程中同步注入物品-捆绑视图的协同信号。具体而言，模型首先构建用户-物品和用户-捆绑的原始交互图，随后在迭代去噪过程中动态调

  来源：Expert Systems with Applications

  时间：2025-12-11

• 对传统装饰的精通与审美偏好：一项关于云冈石窟忍冬花图案的行为学与功能性近红外光谱（fNIRS）研究

  云冈石窟忍冬纹图案的审美偏好与神经机制研究一、研究背景与核心问题中国传统植物纹样作为文化遗产的重要组成部分，在当代设计领域展现出独特价值。云冈石窟忍冬纹（YGHP）作为典型代表，其审美机制涉及形式特征与文化内涵的双重解读。本研究聚焦两个核心问题：其一，不同专业背景群体（专家/非专家）在审美判断上的效率差异；其二，神经活动如何反映专业群体的深层认知加工机制。二、实验设计与方法创新研究采用混合方法设计，整合行为学实验与功能性近红外光谱（fNIRS）技术。行为学层面通过58个标准化的忍冬纹样本，构建包含环形、单列式、波浪式等典型结构的实验刺激集。神经层面创新性地选择前额叶皮层（PFC）和顶枕 jun

  来源：Acta Psychologica

  时间：2025-12-11

• 膝关节脱位的发病率和流行病学：一项横断面、回顾性观察研究

  膝关节脱位（Knee Dislocation, KD）作为骨科急诊中的严重损伤类型，其流行病学特征和临床管理策略始终存在研究空白。本研究由丹麦奥勒大学医院的多学科团队完成，通过对2000-2021年间丹麦北部58万人口的医疗数据系统分析，结合影像学证据和临床随访，揭示了KD的完整流行病学图谱，为全球同类研究提供了重要参考。一、流行病学特征分析研究首次通过ICD-10编码系统结合影像学复核，确认该地区年发病率0.6/10万，其中男性发病率（0.8/10万）显著高于女性（0.3/10万）。性别差异可能与男性更频繁参与高风险运动及交通活动有关。年龄分布呈现双峰特征：12-40岁年轻群体占病例的63%

  来源：Sports Orthopaedics and Traumatology

  时间：2025-12-11

• 基于萤火虫算法的人工神经网络和遗传编程方法，研究各向异性及非均质粘土上矩形基础V-H-M失效包络

  浅基础在复合荷载（垂直、水平及弯矩）下的稳定性分析是岩土工程中的核心问题。传统研究多基于均质各向同性土体假设，难以准确反映实际工程中复杂土体的特性。本文提出一种融合数值分析与机器学习的混合框架，旨在解决非均质、各向异性黏土中浅基础的极限承载能力预测难题，为工程优化提供高效工具。### 一、研究背景与问题提出浅基础设计面临多重挑战：复合荷载下土体非线性行为的模拟困难、土体各向异性与非均匀性的表征缺失。现有理论多基于Terzaghi和Meyerhof的经典公式，但这些模型在处理实际工程中存在的土质异质性（如强度随深度变化）和结构-土体界面相互作用时存在显著局限性。例如，传统方法难以量化土体抗剪强度

  来源：Results in Engineering

  时间：2025-12-11

• 基于人工神经网络的分析方法，用于研究受Soret效应和Dufour效应影响的辐射生物对流Jeffrey纳米流体流动

  本研究聚焦于具有生物微生物活动的Jeff纳米流体在同心圆柱间的流动特性分析，通过数值计算与人工神经网络（ANN）相结合的方法，系统探究了热传导、质量传递及多种效应耦合作用下的非线性流动问题。研究采用圆柱坐标系，考虑内圆柱拉伸、外圆柱静止的边界条件，并引入微藻类生物微生物的 gyrotactic运动特性，模拟其在流体中的分布与影响。### 研究背景与意义非牛顿流体因具有独特的流动特性，在工业传热、生物医学和能源等领域应用广泛。然而，传统解析方法难以处理多物理场耦合的复杂问题，尤其当涉及生物微生物活动时，流动非线性显著增强。本研究首次将生物微生物的主动扩散机制与深度学习结合，通过构建Levenbe

  来源：Results in Engineering

  时间：2025-12-11

• 综述：FKBP14相关埃勒斯-当洛斯综合征进行性脊柱畸形的外科治疗：病例报告及文献回顾

  引言埃勒斯-当洛斯综合征（Ehlers-Danlos syndrome, EDS）是一组遗传性结缔组织疾病，以关节过度活动、皮肤弹性过高及组织脆弱性为特征。其中FKBP14基因突变导致的脊柱后侧凸型EDS（kEDS）尤为特殊，表现为先天性肌张力低下、早发性进行性脊柱畸形和感觉神经性听力损失。由于胶原分子伴侣FKBP14功能缺陷，患者可出现多节段脊柱不稳，需早期外科干预以避免神经功能损害。病例报告一名经基因检测确诊为FKBP14纯合突变（c.362dupG p.E122RfsX7）的女性患儿，在15月龄时因运动功能倒退就诊。影像学显示C2-C4节段45°颈椎后凸伴脊髓受压，遂急诊行C3椎体切除及

  来源：Child's Nervous System

  时间：2025-12-11

• 基于增强残差多头自注意力的多平面多切片纵向MRI用于深度集成进展检测

  阿尔茨海默病（AD）的早期检测与进展预测是神经影像学领域长期面临的挑战。现有方法多依赖单平面或横断面MRI数据，存在信息维度不足的缺陷。本研究通过构建多平面三维动态影像融合模型，显著提升了AD进展的识别精度。以下从研究背景、技术路线、实验验证和临床意义四个维度进行详细解读。一、AD检测的技术瓶颈与突破方向当前AD诊断面临三大核心矛盾：纵向时间跨度与影像特征动态变化的矛盾、单平面数据与脑区空间关联性的矛盾、模型泛化能力与数据稀缺性的矛盾。传统方法采用单时间点切片分析（如冠状平面），虽能简化计算但导致信息丢失。研究显示，仅6%的AD早期影像特征能通过单一平面准确捕捉（Hoijati et al.,

  来源：Knowledge-Based Systems

  时间：2025-12-11

• Chat-MedGen：多模态大语言模型的全面适应能力，用于多样化的生物医学任务

  妇科癌症早期诊断的可解释人工智能框架研究摘要部分揭示了妇科癌症（GCs）诊断领域的核心挑战与突破方向。该研究针对传统诊断方式存在的误判率高、资源依赖性强等痛点，创新性地构建了融合多模态数据处理的智能诊断系统。研究团队通过整合Herlev和CIVa两大权威数据集，验证了其提出的RIRXEnsemble模型在复杂医学影像分析中的优越性。特别值得关注的是，该模型在保持99.88%分类准确率的同时，成功解决了细胞形态相似性导致的误判难题，这为医疗AI的实际应用提供了重要技术支撑。在模型架构设计方面，研究突破性地采用三阶段特征融合机制。首先通过ResNet50V2的残差学习增强深层特征提取能力，接着利用

  来源：Knowledge-Based Systems

  时间：2025-12-11

• 一种新的特征重构方法及多标签集成策略，用于非侵入式负载识别

  Jing Xiao|Xinhai Chen|Jiaming Peng|Jie Liu摘要网格生成在数值模拟中起着至关重要的作用。近年来，基于神经网络的方法（智能方法）在结构化网格生成方面受到了广泛关注，因为它们能够在保持网格质量的同时显著提高网格生成效率。然而，现有的智能方法面临两个主要挑战。第一个挑战是缺乏泛化能力，即使是微小的几何变化也可能导致网格失效，从而需要重新训练网络。第二个挑战是它们对标记数据或先验知识的依赖性很强，数据的质量对训练结果有显著影响。在本文中，我们提出了PI-MeshONet，这是一种通用且自监督的结构化网格生成方法。该方法将网格生成任务转化为一个算子学习任务，仅通过

  来源：The Knee

  时间：2025-12-11

• 一种结合子图变分自编码器的多视图图神经网络，用于类别不平衡的节点分类

  在图神经网络（GNN）的实际应用中，数据集的类别不平衡问题长期困扰研究者。尽管现有方法如损失函数重加权、采样增强等能缓解部分问题，但这些非生成式方法无法从根本上解决少数类样本稀缺的难题。近期由广西师范大学计算机科学与工程专业团队提出的多视图图神经网络框架GraphMV-SVAE，通过融合变分自编码（VAE）与量子计算启发的重参数化策略，构建了系统化的解决方案。研究团队首先通过大规模实证分析揭示了传统方法的根本缺陷。以计算机科学领域的经典数据集Cora-LT为例，发现采用特征相似性匹配的SMOTE变体方法时，约38%-52%的"同类邻居"实际属于不同类别。这种基于传统机器学习特征相似度的匹配机制

  来源：Knowledge-Based Systems

  时间：2025-12-11

• 基于领域适应和图注意力网络的储能系统中锂离子电池健康状态预测

  锂离子电池作为现代能源存储系统的核心组件，其健康状态（State of Health, SOH）预测直接关系到储能系统的安全性和经济性。该研究针对传统方法在跨域场景中的局限性，提出了一种融合图神经网络、时序建模与域适应技术的创新框架，在特征工程、模型架构和泛化能力三个维度实现了突破性进展。传统SOH预测方法面临三重困境：首先，直接使用原始BMS数据（电压、电流、温度）易受噪声干扰，特征冗余问题突出。其次，电池制造差异和使用场景变化导致数据分布偏移，现有模型在跨设备或跨工况测试中准确率骤降。第三，现有数据驱动模型多侧重时间序列特征提取，忽视了电池内部单元间的空间关联性。这种"盲人摸象"式的建模方

  来源：Journal of Energy Storage

  时间：2025-12-11

• 研究成人多动症（ADHD）患者的感觉处理、ADHD症状与执行功能三者之间的关系：来自多指标评估的证据

  这篇研究聚焦于成人注意力缺陷多动障碍（ADHD）患者的执行功能（EF）表现及其与感觉处理模式的交互关系。通过对比40名ADHD患者与39名健康对照组的认知任务表现，结合症状严重程度和感觉处理风格的量化分析，研究揭示了感觉输入对EF的复杂调节作用，为理解ADHD的认知神经机制提供了新视角。### 一、ADHD执行功能与感觉处理的关联性研究ADHD的核心症状是注意力不集中、过度活跃和冲动控制障碍，这些症状与执行功能缺陷高度相关。执行功能涵盖工作记忆、抑制控制、认知灵活性等多个维度，其神经基础涉及前额叶皮层与感觉信息处理网络的交互。近年来研究开始关注感觉处理异常（如过度敏感、感觉寻求等）如何影响AD

  来源：Journal of Affective Disorders Reports

  时间：2025-12-11

• 用于小肠动态MRI的统一NDMI标准：重复性及对多中心数据差异的敏感性

  摘要目的建立一个以可比性为先的小肠运动电影磁共振成像（cine-MRI）范式，使用一种统一的、与特征无关的标准化差分运动指数（NDMI）。在此基础上，我们研究了在三种方法学家族（光流、形态学和隐式神经表示（INR））下，模拟多中心变异性条件下的扫描-重扫一致性和灵敏度。方法十二名健康志愿者接受了同一扫描仪的扫描-重扫电影磁共振成像检查。筛选出了十九个高置信度的感兴趣区域（ROI）子序列。运动特征来自：(i) 广义光流，(ii) JointSwinUNETR分割，以及 (iii) 适应于二维序列的 INR 配准。采用单一的 NDMI 参数化方法，并将其与专家的三级序数评分（剧烈/中等/低）进行比

  来源：Abdominal Radiology

  时间：2025-12-11

知名企业招聘：