• 多重调控MoOx /MoOy 堆叠忆阻器中负微分电阻耦合阻变行为的深度机理分析

  在人工智能（AI）时代，传统计算机的冯·诺依曼架构因处理器与存储器分离导致的"内存墙"问题日益突出，高功耗和数据延迟成为技术瓶颈。忆阻器凭借存算一体和兼容CMOS工艺的特性，被视为突破这一困境的关键。然而，现有金属氧化物忆阻器普遍面临氧空位（VOs）分布不均、阻变窗口小等问题，且单一材料难以实现多物理特性集成。福建师范大学的研究团队在《Materials Research Bulletin》发表研究，通过磁控溅射（MS）制备了Ag/MoOx/MoOy/FTO双层堆叠忆阻器。该工作创新性地通过调控氧含量实现了阻变（RS）与负微分电阻耦合阻变（NRS）行为的可控转换，并揭示了高温环境下Ag导电细丝

  来源：Materials Research Bulletin

  时间：2025-06-13

• 印度坎贝盆地Gandhar油田咸水层CO2 封存潜力评估：基于孔隙度模型的储层表征研究

  随着全球CO2年排放量突破36 Gt（2023年数据），印度承诺2030年前减排10亿吨并计划2070年实现碳中和。作为关键减排技术，碳捕集与封存(CCUS)在印度能源转型中需贡献15%的减排量。然而，印度虽拥有巨大咸水层封存潜力，却缺乏储层尺度的精细评价。位于坎贝盆地的Gandhar油田被列为优先试点，但其Hazad段GS-7砂层的孔隙空间分布尚未系统研究——这直接关系到CO2封存容量估算与泄漏风险评估。针对这一科学问题，印度理工学院领衔的研究团队在《Marine and Petroleum Geology》发表成果，创新性地整合50 km2三维地震数据与五口钻井测井资料，采用模型反演获取P

  来源：Marine and Petroleum Geology

  时间：2025-06-13

• 考虑椭圆度与材料硬化的柔性管道骨架层径向压缩力学响应预测理论与数据驱动方法

  随着海洋资源开发向深水区推进，柔性立管作为油气输送的关键部件，其安装过程中的径向压缩载荷易导致骨架层（carcass layer）塑性变形，进而引发结构失效。传统等效模型因忽略复杂截面特性而精度不足，有限元分析则面临计算效率低、收敛困难等问题。为此，中国研究人员联合挪威科技大学团队在《Marine Structures》发表研究，通过理论建模与数据驱动融合的方法，揭示了骨架层在径向压缩下的力学响应机制。研究采用塑性铰理论（plastic-hinge theory）框架，引入等效径向刚度（equivalent radial stiffness）概念，结合椭圆度（ellipticity）和材料硬化

  来源：Marine Structures

  时间：2025-06-13

• 基于3.0T多模态MRI的2型糖尿病患者脑结构变化特征及其神经退行性机制研究

  随着全球糖尿病患病率持续攀升，2型糖尿病(T2DM)相关的神经退行性变日益成为公共卫生挑战。研究表明，T2DM患者痴呆风险较常人增加2-3倍，但其脑结构变化的时空特征仍存争议。传统观点认为慢性高血糖通过氧化应激和微血管病变导致全脑萎缩，然而近年发现部分脑区如颞叶可能出现反常性体积增加，这种矛盾现象背后的生物学机制亟待阐明。更棘手的是，不同磁共振成像序列（如3D SPGR与T1 FSE）对同一脑区的检测敏感性存在差异，这为临床影像诊断标准的建立带来困惑。为破解这些难题，来自卡纳塔克邦马尼帕尔卡斯图尔巴医学院的研究团队在《Magnetic Resonance Imaging》发表创新研究。该团队采

  来源：Magnetic Resonance Imaging

  时间：2025-06-13

• 基于特征空间一致性优化的CNN解释方法在遥感土地覆盖分类中的应用研究

  在人工智能技术飞速发展的今天，卷积神经网络(CNN)已成为遥感影像分析的核心工具，但其"黑箱"特性严重制约了在环境监测等关键领域的可信应用。当前主流的解释方法如梯度加权类激活映射(Grad-CAM)和遮挡敏感性分析等，虽然能揭示模型决策依据，却面临一个根本性矛盾：不同方法对同一预测给出的解释常大相径庭。这种不一致性在遥感领域尤为突出，因为遥感数据具有连续"stuff"类别（如植被、水体）、细粒度空间变异、混合像元、多光谱特性等独特挑战，使得传统面向离散"things"物体（如车辆、动物）的解释方法难以奏效。针对这一科学难题，研究人员在《Machine Learning with Applica

  来源：Machine Learning with Applications

  时间：2025-06-13

• 基于EMD局部匹配的遮挡行人重识别方法研究及其在多镜头场景下的应用

  在智能监控和安防领域，行人重识别(Re-ID)技术一直面临着遮挡问题的严峻挑战。当行人被其他物体或人群部分遮挡时，传统方法依赖手工裁剪的完美边界框假设就会失效，这正是实际监控系统与实验室理想条件的核心差距。随着深度学习的发展，虽然单镜头Re-ID取得显著进展，但现实场景中多镜头轨迹数据的处理仍存在特征冗余、时空不对齐等难题，特别是当输入数据来自自动检测和跟踪系统时，强遮挡、ID切换等问题会进一步加剧识别难度。针对这一技术瓶颈，来自中国的研究团队在《Machine Learning with Applications》发表创新研究，将原先用于单镜头Re-ID的Earth Mover's Dist

  来源：Machine Learning with Applications

  时间：2025-06-13

• CADASIL早期微血管功能与结构变化的fMRI-VBM多模态研究及其诊断价值

  在脑小血管病（CSVD）的复杂谱系中，CADASIL因其明确的Notch3基因突变成为研究血管性认知障碍的黄金模型。尽管传统MRI能检测白质高信号等晚期病变，但早期微循环功能障碍仍是诊断盲区。更棘手的是，既往关于脑血管反应性（Cerebrovascular Reactivity, CVR）的研究结论矛盾——有的显示CO2反应性下降，有的却报告皮质区保留完好。这种分歧让临床医生陷入困境：能否依靠无创影像捕捉CADASIL的早期蛛丝马迹？上海交通大学医学院附属第九人民医院团队另辟蹊径，采用无需气体刺激的静息态BOLD-fMRI技术，结合VBM（Voxel-Based Morphometry）分析，

  来源：Magnetic Resonance Imaging

  时间：2025-06-13

• 基于Transformer的扫描文档图像表格检测与数据提取方法TransTab研究

  在数字化浪潮席卷全球的今天，纸质文档的自动化处理成为提升效率的关键突破口。表格作为信息浓缩呈现的标准化形式，广泛应用于金融报表、医疗档案等场景，但其数字化进程却面临巨大挑战——传统卷积神经网络(CNN)在应对跨行跨列的复杂表格时捉襟见肘，现有方法对不规则表头的识别准确率不足60%，严重制约着银行、法院等机构的批量文档处理效率。针对这一卡脖子问题，研究人员开创性地将Transformer架构引入文档分析领域，提出名为TransTab的端到端解决方案。该模型通过三大创新突破技术瓶颈：首先采用Vision Transformer(ViT)替代传统CNN，利用自注意力机制(self-attention

  来源：Machine Learning with Applications

  时间：2025-06-13

• 空间分辨率对脑连接组影响的量化研究：基于体素尺寸归一化的扩散MRI连接组重建方法

  在探索人类大脑奥秘的征程中，扩散磁共振成像(dMRI)技术犹如一把钥匙，为我们打开了研究白质连接的大门。这项技术通过追踪水分子在生物组织中的随机热运动，结合扩散张量成像(DTI)或纤维取向分布(FODs)方法，能够重建出虚拟的白质连接图谱——这个过程被称为纤维追踪术(tractography)。然而，这项看似完美的技术背后却隐藏着一个长期被忽视的问题：不同研究使用的空间分辨率差异巨大，导致生成的连接组(connectome)结果难以直接比较。问题的严重性在于，连接组分析已成为研究脑疾病、认知发展和衰老过程的重要工具。从阿尔茨海默病到精神分裂症，研究人员都试图通过连接组图论指标(graph me

  来源：Magnetic Resonance Imaging

  时间：2025-06-13

• 综述：基于轻量化高效卷积神经网络的高分辨率三维UTE-MRA血管造影数据去噪

  Abstract高分辨率磁共振血管造影（∼50μm3MRA）对血管病变诊断至关重要，但数据采集易受噪声干扰，传统BM4D滤波虽效果优异却计算成本高昂。研究团队创新性地采用五种优化CNN模型（包括UNet、嵌套UNet和注意力UNet），以BM4D处理结果为监督学习目标，在保持图像质量（SSIM 0.998，PSNR 46.12，MSE 3.38e-5）前提下，嵌套UNet实现3倍加速，最优模型推理速度更达BM4D的8.8倍，为临床高分辨率三维数据去噪提供高效方案。Introduction高分辨率MRA在卒中、动脉瘤等血管疾病诊断中具有不可替代的价值，但受限于扫描时间长、运动伪影和低信噪比（SN

  来源：Magnetic Resonance Imaging

  时间：2025-06-13

• 基于随机对抗神经数据混淆模型(RANDOM)的Transformer加密方案：一种高效且安全的对抗神经网络密码学新范式

  在数字通信安全领域，传统加密算法面临两大困境：一是人工设计的加密方案更新周期长（如Kyber算法耗时6年部署），二是量子计算威胁日益迫近。更棘手的是，现有基于卷积神经网络(CNN)和长短期记忆网络(LSTM)的对抗神经网络密码学(ANC)方案存在致命缺陷——加密消息会因量化产生比特错误，且不同密钥可能生成相同密文，这直接违反了密码学基本准则。正如密码学家Rubin指出的，真正的"一次性密码本"(OTP)必须确保每个加密消息都唯一对应特定密钥。为解决这些挑战，研究人员开发了名为"随机对抗神经数据混淆模型"(RANDOM)的创新方案。这项研究通过三个关键技术创新：首先设计了能提升数据维度的投影层(

  来源：Machine Learning with Applications

  时间：2025-06-13

• 基于链上数据与特征选择的比特币价格方向预测模型研究及其交易策略优化

  比特币作为市值最大的加密货币，其价格波动剧烈且缺乏传统资产定价锚点，给投资者带来高风险与高收益并存的挑战。现有研究多基于技术分析或社交媒体情绪，但链上数据（记录在区块链中的交易历史信息）的预测潜力尚未充分挖掘。针对这一空白，密苏里科技大学的研究团队在《Machine Learning with Applications》发表论文，系统评估了196项链上指标对比特币价格方向的预测能力，并开发了高效的特征选择-建模-交易策略全流程解决方案。研究采用Boruta、L1回归和主成分分析（PCA）三种特征选择方法，结合CNN-LSTM和时序卷积网络（TCN）等先进模型，通过Glassnode提供的201

  来源：Machine Learning with Applications

  时间：2025-06-13

• 基于神经网络辅助的非侵入式负载监测(NNAN)方法：通过迭代减法揭示电器能耗模式

  随着智能电网和家庭能源管理系统的发展，非侵入式负载监测(Non-Intrusive Load Monitoring, NILM)技术因其无需单独安装传感器的优势备受关注。然而，现有方法在处理高功率与低功率电器混合使用时存在明显局限——高频使用的大功率电器会掩盖低频小功率电器的能耗特征，导致传统神经网络难以准确分离。更棘手的是，当前模型架构缺乏科学依据，参数选择依赖经验，且无法灵活适应家庭电器配置的变化。这些痛点严重制约了NILM在真实场景中的应用效果。为解决这些挑战，研究人员开发了名为NNAN（Neural Network-Aided NILM）的创新方法。这项发表在《Machine Lear

  来源：Machine Learning with Applications

  时间：2025-06-13

• 基于23层卷积神经网络的实时道路损伤检测系统：提升自动驾驶安全与道路维护效率的创新方法

  道路交通事故每年造成全球约135万人死亡，其中路面损伤（如坑洞、裂缝等）是引发事故的关键因素。传统检测方法依赖人工巡检，效率低下且难以覆盖复杂场景；现有AI模型则面临数据集单一、泛化能力不足的瓶颈。更严峻的是，自动驾驶车辆对实时损伤检测的需求远超人类驾驶，但当前技术难以在精度与速度间取得平衡——这正是《Machine Learning with Applications》最新研究要攻克的核心问题。由Soukaina Bouhsissin团队开展的本项研究，创新性地构建了包含4类道路损伤的Road4X-Damage Detection Dataset（R4X-DDD），并设计专用23层卷积神经网

  来源：Machine Learning with Applications

  时间：2025-06-13

• 深度学习模型赋能田间玉米叶部病害精准诊断：基于多国实地图像与可解释AI的研究

  在全球粮食安全面临严峻挑战的背景下，玉米作为产量最高的主粮作物，其生产可持续性正受到叶部病害的严重威胁。非洲地区尤为突出，Maize Lethal Necrosis (MLN)和Maize Streak Virus (MSV)等病害可导致作物绝收，而传统依赖农技人员肉眼诊断的方式存在效率低、误诊率高等问题。更棘手的是，现有AI诊断模型往往在实验室条件下表现优异，却难以适应田间复杂的光照条件、设备限制以及病害症状的区域性差异。针对这些挑战，Makerere AI Lab联合坦桑尼亚、加纳等国科研团队，在《Machine Learning with Applications》发表了突破性研究。研究

  来源：Machine Learning with Applications

  时间：2025-06-13

• 脑小血管病神经血管耦合异常的多延迟ASL与fMRI研究：认知障碍的新视角

  脑小血管病（CSVD）作为老龄化社会的高发疾病，以白质高信号、腔隙性梗死等影像学特征为标志，常伴随认知衰退和运动障碍。然而，其病理机制与健康状态的界限仍不明确。传统神经影像技术难以捕捉CSVD的动态血流与神经活动耦合变化，而神经血管耦合（NVC）的异常可能是认知障碍的关键环节。为此，重庆医科大学附属第一医院的研究团队创新性地整合多延迟动脉自旋标记（ASL）和静息态功能磁共振（rs-fMRI），首次在CSVD患者中系统评估了NVC的时空特征，相关成果发表于《Magnetic Resonance Imaging》。研究采用三组对照设计（健康对照组、CSVD认知正常组、CSVD认知障碍组），通过动脉

  来源：Magnetic Resonance Imaging

  时间：2025-06-13

• 3T场强下腰椎脊髓单次激发与二维导航多次激发EPI扩散张量成像的对比研究

  在神经影像学领域，腰椎脊髓的微结构研究长期面临技术瓶颈。传统单次激发回波平面成像(single-shot EPI, ssh-EPI)虽能快速获取扩散加权图像，但在腰椎区域易受磁场不均匀性、脑脊液搏动等影响，导致几何畸变和信噪比下降。这种技术局限使得既往研究多集中于颈髓，而关乎下肢运动与自主神经功能的腰骶膨大(LSE)研究严重不足。针对这一现状，范德堡大学的研究团队在《Magnetic Resonance Imaging》发表创新成果，通过对比ssh-EPI与二维导航多次激发EPI(multi-shot EPI, msh-EPI)在腰椎脊髓的应用，为突破这一技术壁垒提供了新思路。研究采用年龄/性

  来源：Magnetic Resonance Imaging

  时间：2025-06-13

• 综述：儿童造血细胞移植及免疫效应细胞治疗后PICU入住与早期重症监护管理的国际专家共识声明

  儿童HCT-IEC治疗的PICU管理：从共识到实践引言造血细胞移植（HCT）与免疫效应细胞（IEC）疗法（如CD19-CAR-T）为恶性/非恶性血液病患儿带来治愈希望，但治疗相关毒性、移植物抗宿主病（GVHD）及感染仍导致10-35%的患儿需入住儿科重症监护病房（PICU）。尽管近十年PICU生存率从20%提升至60%，临床实践仍缺乏统一标准。诊断策略：呼吸衰竭的精准评估急性呼吸衰竭是HCT-IEC患儿常见并发症。专家共识强调，胸部X线因敏感性不足易漏诊，推荐早期高分辨率CT检测肺实质病变。支气管肺泡灌洗（BAL）可鉴别感染（如肺孢子菌肺炎）与非感染因素，但需权衡出血风险。呼吸支持：从氧疗到E

  来源：The Lancet Child & Adolescent Health

  时间：2025-06-13

• 基于可学习视图生成器的动态图对比学习框架LDGC：提升噪声抑制与分布均衡能力

  在交通系统、社交网络等复杂场景中，动态图（Dynamic Graph）能有效建模实体间随时间演化的关系。然而，现有动态图表示学习方法面临两大挑战：一是传统图神经网络（GNN）依赖大量标注数据，易受对抗攻击；二是基于规则的数据增强策略难以区分真实动态变化与随机噪声，导致模型在活跃节点上过拟合。更棘手的是，动态图中普遍存在的数据分布失衡问题，使得模型对稀疏区域泛化能力不足。为解决这些问题，研究人员开发了基于可学习视图生成器的动态图对比学习框架LDGC。该框架创新性地将视图生成器与自适应对比机制结合：首先通过可训练的生成器动态调整节点连接（概率分布融合边时间戳和属性），生成保留关键时序特征的增强视图

  来源：Knowledge-Based Systems

  时间：2025-06-13

• 冰岛无智力障碍自闭症、ADHD及自闭症-ADHD共患青少年发病率、共病精神状况及性别差异：一项基于人群的横断面研究

  在神经发育障碍研究领域，自闭症谱系障碍(Autism Spectrum Disorder, ASD)和注意缺陷多动障碍(Attention-Deficit/Hyperactivity Disorder, ADHD)的共患现象长期被诊断标准所忽视。2013年前，DSM和ICD诊断系统甚至将二者视为互斥诊断。这种认知局限导致自闭症-ADHD共患群体的流行病学特征成为研究盲区。更棘手的是，现有数据多来自含智力障碍的混合样本，而无智力障碍群体的精准数据严重匮乏。冰岛儿童发展与行为中心(Þroska- og hegÐunarstöÐ)的研究团队决心破解这一难题，他们在《The Lancet Child》

  来源：The Lancet Child & Adolescent Health

  时间：2025-06-13

知名企业招聘：