• 人机协作水平对站立工作姿势稳定性的影响：基于COP参数的系统性实验研究

  在工业4.0浪潮下，协作机器人（cobot）正逐步取代传统工业机器人，成为提升生产效率的关键工具。然而，这种变革带来一个核心矛盾：机器人辅助虽能减轻人体负荷，但过度干预可能抑制操作者的自然运动模式，反而增加肌肉骨骼疾病（MSDs）风险。现有研究多聚焦于机器人性能优化，却忽视了人机协作（HRC）中微妙的生物力学平衡问题——这正是罗马第三大学团队在《JMIR Human Factors》发表这项研究的突破点。研究团队设计了一个精妙的超市收银模拟实验：14名健康男性受试者在四种递增协作模式（完全自主Fu、半触控HRT、半自动HRb、全自动FRb）下完成包裹扫码任务。通过双测力台（BTS P-6000

  来源：JMIR Human Factors

  时间：2025-06-06

• 综述：基于智能手机的眼部、皮肤和声音数据应用机器学习进行疾病预测的范围综述

  背景智能手机的普及为医疗诊断带来革新机遇。其内置传感器（如摄像头、麦克风、加速度计）可便捷采集健康数据，结合机器学习（ML）方法实现疾病早期预测。医疗领域产生的海量数据为构建ML模型提供了基础，尤其在乳腺癌、心脏病和糖尿病等慢性病诊断中表现突出。通过分析声音、皮肤和眼部特征，智能手机成为低成本、便携式的健康监测工具。目标本综述旨在回答三个核心问题：现有研究中用于眼、皮肤和声音分析的公开数据库有哪些？这些领域常用的ML模型是什么？智能手机如何采集相关数据？通过分析49项研究，为健康医疗领域的ML应用提供实践指导。方法文献检索采用组合关键词策略，覆盖PubMed和IEEE Xplore数据库，筛选

  来源：JMIR AI

  时间：2025-06-06

• 虚拟叙事中的瞳孔模仿与眼神接触：提升人机交互社会评价的神经机制

  在数字化浪潮席卷全球的今天，我们越来越多地通过屏幕与虚拟代理进行交流。然而，这种非面对面的互动方式却让情感传递变得困难，导致孤独感和社会隔离问题日益严重。眼睛作为"心灵的窗户"，在人际交往中扮演着关键角色——一个简单的眼神接触就能传递信任，而瞳孔的微妙变化更是泄露着内心的秘密。但问题是：这些在真实人际互动中至关重要的非语言信号，能否在虚拟交互中产生同样的积极效果？为了回答这个问题，荷兰莱顿大学等机构的研究团队开展了一项创新性研究。他们发现，当虚拟人不仅保持眼神接触，还能实时模仿观看者的瞳孔变化时，会显著提升观看者的社交好感度。这项发表在《International Journal of Hum

  来源：International Journal of Human-Computer Studies

  时间：2025-06-06

• 神经认知负荷对运动员跳跃任务中躯干变异性的影响机制研究

  在竞技体育领域，运动员如何在复杂环境中保持动作稳定性一直是运动科学的核心议题。传统理论认为，神经认知负荷（Neurocognitive Load, NCL）会干扰运动控制，但这一假设缺乏针对专项动作的实证支持。尤其对于篮球、体操等需要高频跳跃的项目，躯干稳定性（Trunk Variability）直接影响运动表现与损伤风险。然而，现有研究多聚焦静态平衡，忽略了动态任务中神经认知与运动系统的交互机制。为填补这一空白，由Haley Wong、Garbalosa Juan等学者组成的研究团队设计了一项创新实验。研究采用重复测量准实验设计，招募36名女性运动员（18名NCAA D1级与18名业余运动员

  来源：Gait & Posture

  时间：2025-06-06

• 多组学与量子机器学习融合技术在肺癌亚型分类中的创新应用

  肺癌作为全球癌症相关死亡的首要原因之一，其亚型肺腺癌(LUAD)和肺鳞癌(LUSC)的精准分类对治疗策略制定至关重要。然而，传统方法面临高维度组学数据整合困难、样本量不足及"黑箱"模型解释性差等瓶颈。量子计算技术的兴起为破解这些难题提供了新思路——量子叠加(Superposition)和纠缠(Entanglement)特性可并行处理海量数据，量子神经网络(QNN)更能在低参数条件下实现高效学习。美国普渡大学的研究团队在《Future Generation Computer Systems》发表研究，开发了多组学量子机器学习框架MQML-LungSC。该研究整合TCGA中503例LUAD和412

  来源：Future Generation Computer Systems

  时间：2025-06-06

• 面向多事件并行的复杂业务流程性能预测：基于时空图神经网络(STGNN)的创新研究

  在当今数字化企业运营中，业务流程如同城市交通网络般错综复杂。当多个事件（如订单处理、物料采购）同时在不同路径上并行执行时，传统"单车式"事件预测方法就像只监测单辆车速而忽视路口拥堵，难以应对真实场景需求。现有研究多聚焦单个事件的时间序列预测（如剩余时间、下一活动），却忽视了事件间"蝴蝶效应"——采购延迟可能引发生产停滞的连锁反应。这种局限性使得企业在资源调度时如同"盲人摸象"，无法预判关键节点的性能波动。中国某研究团队在《Expert Systems with Applications》发表的研究中，创新性地将交通网络治理思维引入业务流程管理领域。研究人员从某造船企业真实事件日志出发，首次构建

  来源：Expert Systems with Applications

  时间：2025-06-06

• 基于双注意力机制Siamese网络的脑机接口研究：破解长尾自动驾驶中的人机认知鸿沟

  在机器人日益融入城市环境的今天，一个根本性矛盾愈发凸显：人类能通过社交学习快速适应动态环境，而机器人却缺乏这种与生俱来的认知发展能力。特别是在自动驾驶领域，那些罕见却致命的长尾事件（long-tail events）——比如突然横穿马路的行人或传感器误判——成为制约安全性能的顽固瓶颈。传统解决方案试图通过增加数据量或改进采样策略来应对，但美国交通运输部智能连接与自动驾驶中心（CCAT）资助的研究团队另辟蹊径，将人类驾驶员的大脑活动视为天然的风险过滤器，开创性地开发出基于脑电图（EEG）的认知解码系统。这项发表于《Expert Systems with Applications》的研究，核心创新

  来源：Expert Systems with Applications

  时间：2025-06-06

• 基于知识嵌入与迁移的工业数据流概念漂移高效自适应框架研究

  随着工业智能化进程加速，关键质量变量的在线预测成为实现高效生产与资源优化的核心挑战。然而，工业数据流常因原料波动、工况切换等因素发生概念漂移(Concept Drift)，导致基于历史数据训练的预测模型迅速失效。传统应对策略存在知识利用不足、过渡期性能骤降等瓶颈，亟需建立更高效的漂移自适应机制。中国的研究团队在《Expert Systems with Applications》发表的研究中，提出名为SSBEM_BRS的创新框架。该工作通过三阶段技术路径突破现有局限：首先采用奇异谱分析(Singular Spectrum Analysis)从漂移后数据提取动态基向量，将其嵌入深度神经网络(DNN

  来源：Expert Systems with Applications

  时间：2025-06-06

• 面向边缘计算的智能X能源系统中多类电力负载深度学习方法研究

  随着全球能源消耗激增，智能X能源系统（包括智能电网、工业4.0、建筑和家庭）的能效管理面临核心挑战——如何精准识别海量相似电器负载。传统非侵入式负载监测(NILM)技术在处理64类以上电器时性能骤降，且鲜有研究关注采样率与量化精度对边缘设备部署的影响。这些问题严重制约了需求侧管理的精细化实施。为突破技术瓶颈，来自国内高校的研究团队在《Expert Systems with Applications》发表创新成果。研究采用卷积神经网络(CNN)架构，构建包含256类电器的超大规模数据集，系统比较了CNN与随机森林(RF)、XGBoost等算法的性能差异。关键技术包括：1）建立12.495 kS/

  来源：Expert Systems with Applications

  时间：2025-06-06

• 基于变分高斯混合标签迁移网络的工业故障诊断方法研究：应对非随机标签噪声的新策略

  工业过程故障诊断是保障生产安全的核心技术，但传感器数据中的标签噪声问题长期制约其准确性。现有研究多聚焦随机噪声，而实际工业场景中由变量相关性导致的非随机噪声更为普遍且破坏性更强。传统方法如支持向量机（SVM）、高斯混合模型（GMM）等因缺乏深层噪声建模能力，难以应对这一挑战。针对这一瓶颈，华东理工大学的研究团队在《Expert Systems with Applications》发表论文，提出变分高斯混合标签迁移网络（VGMTNet），首次实现工业复杂非线性标签噪声的显式建模。研究采用三大关键技术：1）基于潜在变量标签噪声模型（LVLNM）构建噪声指示变量g，揭示标签迁移的实例相关性机制；2）

  来源：Expert Systems with Applications

  时间：2025-06-06

• 基于多超小波核融合卷积神经网络的旋转机械故障可解释诊断方法

  旋转机械作为数控机床、工业机器人等高端装备的核心部件，其健康状态直接关系到生产线的稳定运行。传统故障诊断方法依赖人工特征提取和浅层机器学习模型，存在效率低、泛化性差的问题。尽管基于深度学习的智能诊断方法（如卷积神经网络CNN）在精度和效率上取得突破，但其"黑箱"特性导致工程师难以验证模型是否真正捕捉故障机理，还是仅学习数据偏差，这严重阻碍了工业实际应用。针对这一挑战，吉林大学团队在《Expert Systems with Applications》发表研究，提出一种融合物理约束与数据驱动的可解释诊断框架——多超小波卷积神经网络（MSLCNN）。该研究创新性地将超小波变换（Superlet Tr

  来源：Expert Systems with Applications

  时间：2025-06-06

• 基于记忆引导表征学习的跨域人脸防伪技术研究

  人脸识别技术（AFR）已广泛应用于手机解锁、支付和门禁系统，但其面临打印照片、视频重放和3D面具等伪造攻击的威胁。传统人脸防伪（FAS）方法依赖手工特征（如LBP、HOG），易受噪声和环境干扰；而基于卷积神经网络（CNN）的模型在小数据集上易过拟合。尽管近期研究引入辅助数据（如rPPG信号、伪深度图）或域泛化（DG）策略，但跨域性能仍受限于特征正则化导致的信息丢失。例如，实例归一化（IN）虽能对齐域分布，却可能丢弃关键特征（如图1a）。针对上述问题，陕西自然基金等项目支持的研究团队提出记忆引导表征学习框架，将FAS视为异常检测问题，假设真实样本为封闭集而伪造样本为异常。该框架包含两个核心组件：

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-06-06

• 融合视线估计与物体预测的视觉注意力分析：基于GEOP模型的多任务学习框架

  在人工智能与计算机视觉领域，理解人类的视觉注意力机制一直是个充满挑战的研究方向。想象一下，当我们在超市货架前挑选商品时，眼睛会不自觉地停留在某些商品上——这种看似简单的行为背后，其实蕴含着复杂的认知过程。然而，现有的技术要么只能预测我们看哪里（视线追踪），要么只能识别货架上的物品（物体检测），却很难准确判断我们到底在看哪个具体物品。这个被称为Gaze Object Prediction(GOP)的问题，正是本文要解决的核心挑战。来自某研究机构的研究团队在《Engineering Applications of Artificial Intelligence》上发表了一项突破性研究。他们发现，现

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-06-06

• 基于时序-频谱卷积网络的无创血压估计方法VOLEMIA研究

  心血管疾病是全球首要死因，而血压(BP)作为关键生理参数，其持续监测对高血压等疾病的早期预警至关重要。传统袖带式测量虽准确却存在舒适性差、无法连续监测等局限，基于光电容积描记(Photoplethysmography, PPG)的无创检测技术因其可集成于智能手表等穿戴设备而备受关注。然而现有PPG血压估计方法面临三大挑战：长时程信号易受噪声干扰、依赖人工提取形态学特征而忽略频谱信息、收缩压(SBP)与舒张压(DBP)的关联性未被充分利用。印度理工学院印多尔分校的研究团队在《Digital Signal Processing》发表的研究中，提出名为VOLEMIA的创新框架。该研究通过脉冲混合解构

  来源：Digital Signal Processing

  时间：2025-06-06

• 高肾上腺素能信号相关疾病中原发性膀胱颈梗阻的患病率增加及其临床意义

  排尿功能障碍一直是困扰泌尿外科临床实践的难题，其中原发性膀胱颈梗阻（Primary Bladder Neck Obstruction, PBNO）因其隐蔽的发病机制和复杂的临床表现尤为棘手。这种疾病表现为膀胱颈无法充分松弛，形成功能性梗阻，却找不到明确的解剖学阻塞证据。在18-50岁出现下尿路症状（Lower Urinary Tract Symptoms, LUTS）的年轻男性中，PBNO的患病率高达28%-54%，而女性患者的数据相对匮乏，仅有个别研究报道4.6%的发病率。更令人困扰的是，PBNO的病因至今未明——炎症、先天结构异常、神经源性因素等假说各执一词，而临床上α-肾上腺素能拮抗剂（

  来源：Continence

  时间：2025-06-06

• 基于CNN-Transformer混合架构的无人机航拍图像精准目标检测方法HCTD研究

  随着无人机成本降低和飞行控制技术进步，无人机在地理勘探、交通监控等领域的应用日益广泛。然而，航拍图像中目标尺度剧烈变化、小物体占比不足1%、背景复杂等特性，使得传统检测方法面临特征丢失、语义不一致等挑战。四川文理学院等机构的研究人员提出HCTD混合检测器，相关成果发表于《Computer Vision and Image Understanding》。研究采用三大核心技术：1) 特征过滤模块(FFM)通过双全局池化抑制噪声；2) 卷积加性自注意力(CASFI)以轻量级空间-通道交互替代点积注意力；3) 全局上下文流特征金字塔(GC2FPN)实现跨尺度语义传播。实验使用VisDrone2019数

  来源：Computer Vision and Image Understanding

  时间：2025-06-06

• 基于可解释机器学习的纯组分物性预测框架：连接分子结构与热力学性质的创新方法

  在石油化工行业占全球能源领域5%温室气体排放的背景下，"分子管理"理念成为实现清洁生产的关键策略。然而，传统基团贡献法(GC)面临三大挑战：依赖预设功能基团库导致新分子预测失效，线性模型无法捕捉基团间非线性相互作用，以及分子指纹方法存在特征稀疏性和解释性差等问题。这些问题严重制约了计算机辅助分子设计(CAMD)在优化资源转化效率中的应用。针对这些瓶颈，中国研究团队在《Chinese Journal of Chemical Engineering》发表研究，提出融合可解释机器学习技术的纯组分物性预测框架。研究采用三步核心技术：首先基于SMILES编码构建连接矩阵(CM)实现原子键合关系的系统表征

  来源：Chinese Journal of Chemical Engineering

  时间：2025-06-06

• 综述：非侵入性脑刺激对抑郁症认知障碍影响的系统评价与荟萃分析

  Abstract抑郁症患者普遍存在认知功能损害，而非侵入性脑刺激（NIBS）虽已广泛应用于抑郁症治疗，但其对认知缺陷的改善效果尚未明确。本综述通过荟萃分析评估NIBS对抑郁患者认知功能的干预效果，涵盖全局认知、学习记忆、工作记忆等11个维度。Background认知功能障碍是抑郁症的核心特征，涉及执行控制、工作记忆、处理速度等关键维度，且常持续至缓解期。尽管药物治疗可改善情绪症状，但对认知功能的提升有限。NIBS技术（如TMS和tDCS）通过调节神经活动，成为潜在干预手段。TMS通过头皮磁脉冲诱导皮层电流，tDCS则通过弱直流电调节脑区兴奋性，两者均具有耐受性好、副作用少的优势。Methods

  来源：Asian Journal of Psychiatry

  时间：2025-06-06

• 加纳中部地区神经管缺陷的临床特征与管理：基于教学医院的流行病学及治疗结局分析

  加纳中部地区神经管缺陷的临床特征与管理引言神经管缺陷（NTDs）作为胚胎期神经管闭合异常导致的先天性畸形，在资源有限国家呈现高发病率与死亡率。加纳科姆福阿诺凯教学医院（KATH）的研究团队通过回顾性结合前瞻性数据，首次系统分析了该国中部地区NTDs的流行病学特征与治疗结局。方法研究采用混合性队列设计，纳入2019-2023年KATH收治的171例NTDs患儿。通过医院分娩记录与转诊数据计算出生患病率，并利用REDCap数据库整合临床参数。地理空间分析采用Haversine公式计算患者居住地与医院的 geodesic距离，统计学方法包括中位数（IQR）描述与线性回归。结果流行病学特征NTDs出生

  来源：Child's Nervous System

  时间：2025-06-06

• 肩袖修复术后翻修手术的临床挑战与治疗策略进展

  肩关节翻修手术（Revisionseingriffe）堪称肩袖损伤（Rotatorenmanschettenrupturen）治疗领域的"终极挑战"。随着初次修复手术量的攀升，因愈合不良导致的二次手术需求激增——尽管采用现代缝合技术，但受限于退化的肌腱组织质量（Sehnenqualität）和患者的高功能期望，翻修手术成功率仍待提高。临床常见的困境包括：瘢痕化的肌腱残端、骨质的缺损（bone loss）以及生物愈合环境恶化。针对这些痛点，外科医生需在多种策略中权衡：从加强缝合技术（augmented repair）、同种异体肌腱移植（Allograft），到终极解决方案——逆置式肩关节成形术（

  来源：Arthroskopie

  时间：2025-06-06

知名企业招聘：