• 基于紧凑支持可分离核时频分布与注意力CNN的新生儿EEG癫痫检测方法研究

  新生儿癫痫是威胁婴幼儿健康的危急病症，约60%发生在出生后第一周。这类癫痫发作往往症状隐匿，但延迟治疗可能导致永久性神经损伤。目前临床依赖脑电图(EEG)监测，但传统视觉分析法面临三大挑战：新生儿EEG非平稳特性显著，时变频率特征难以捕捉；多通道EEG中癫痫活动空间定位困难；人工解读易受运动伪影干扰且效率低下。尽管深度学习已应用于癫痫检测，现有方法多忽略时频域特征，或无法识别具体异常通道，导致二次医生复核时间延长。针对这些瓶颈，研究人员开发了一种融合时频分析与注意力机制的新型深度学习框架。研究采用赫尔辛基大学医院公开的79例新生儿19通道EEG数据集，采样频率256Hz。关键技术包含四个创新点

  来源：Biomedical Signal Processing and Control

  时间：2025-05-30

• 基于人工神经网络与响应面法的芥菜籽粕超声波辅助提取酚类物质优化研究及其抗氧化活性评价

  在当今追求可持续发展和健康饮食的背景下，植物源抗氧化剂的绿色高效提取技术备受关注。芥菜作为全球重要的油料作物，其榨油后的籽粕含有丰富的酚类物质和黄酮类化合物，但传统提取方法存在效率低、能耗高、活性成分易降解等问题。更棘手的是，现有研究多采用单因素优化法，难以捕捉多参数间的复杂交互作用，且针对新型低芥酸品种BARI Sharisha-18的针对性研究尚属空白。针对这些挑战，来自国内科研机构的研究团队在《Applied Food Research》发表了创新性研究成果。该研究首次将响应面法(RSM)与人工神经网络(ANN)相结合，系统优化了芥菜籽粕中生物活性物质的超声波辅助提取工艺。通过Box-B

  来源：Applied Food Research

  时间：2025-05-30

• 孕激素神经甾体对斑马鱼胚胎和幼体运动行为的影响及其机制研究

  论文解读在当今的环境中，外源性化学物质的暴露对生物体的影响日益受到关注。特别是孕激素（P4）及其相关化合物，即孕激素神经甾体，除了在生殖系统中的作用外，其在非生殖系统中的生理作用尚不明确。此外，环境中外源性孕激素的暴露对动物的发育和生存可能产生的毒性影响也缺乏充分的研究。本研究旨在探讨孕激素神经甾体对斑马鱼胚胎和幼体运动行为的影响及其潜在机制。孟菲斯大学的研究人员通过一系列实验，研究了孕激素神经甾体对斑马鱼胚胎和幼体运动行为的影响。他们使用了斑马鱼作为模型，因为斑马鱼的胚胎透明且发育迅速，适合用于高通量筛选。研究中，研究人员评估了孕激素神经甾体对斑马鱼胚胎自发性尾部卷曲和幼体游泳活动的影响。结

  来源：Fish Physiology and Biochemistry

  时间：2025-05-30

• 神经电生理分析本体（NEAO）促进数据共享与知识传递的创新框架

  神经电生理学研究正面临数据爆炸式增长与分析方法多样化的双重挑战。从单神经元记录到大规模脑网络监测，研究人员运用多种技术（如EEG、LFP、MEA）产生海量数据，但分析过程却存在"黑箱"困境：同一算法（如Welch法计算功率谱密度PSD）在不同软件工具（Elephant、MNE、SciPy）中的实现差异，可能导致结果不可比；而概念相似的方法（如多锥度法与Welch法）又缺乏统一的语义描述框架。这种混乱严重阻碍了研究结果的复现、比较与整合。针对这一瓶颈，德国于利希研究中心、亚琛工业大学等机构的研究人员Cristiano A. Kohler等开发了神经电生理分析本体（Neuroelectrophys

  来源：Scientific Data

  时间：2025-05-30

• 综述：地中海饮食和 MIND 饮食在中风发病率、严重程度及康复中的作用

  地中海与 MIND 饮食在中风防治中的多维度作用中风作为全球主要健康威胁，其高致死率、致残率及导致的认知衰退给公共卫生带来严峻挑战。可改变风险因素中，饮食结构失衡是推动发病率上升的重要因素。本综述通过整合 24 项研究（含随机对照试验、队列研究等多种设计），系统探讨地中海饮食（MedDiet）与 MIND 饮食对中风发生、发展及转归的影响。一、地中海饮食：缺血性中风的 “防护盾”研究显示，更高的地中海饮食依从性与缺血性中风风险呈显著负相关，可降低 21-30% 发病风险（风险比 HR:0.70-0.79，95% 置信区间 CI:0.53-0.92，p<0.01）。这一 protective e

  来源：Nutrire

  时间：2025-05-30

• 中国首例Unverricht-Lundborg病（ULD）病例报道：CSTB基因新型c.116-117 del变异与表型关联分析

  Unverricht-Lundborg病（ULD）是一种罕见的常染色体隐性遗传神经退行性疾病，以进行性肌阵挛、癫痫发作和共济失调为主要特征。尽管该病在波罗的海和地中海沿岸地区较为常见，但在亚洲尤其是中国尚未见明确报道。这一现象可能与诊断技术局限、临床认知不足有关，也可能暗示中国人群存在独特的遗传背景。浙江大学医学院附属第二医院神经内科团队在《Acta Epileptologica》发表的研究，首次揭示了中国人群ULD的遗传学基础和临床特点。研究团队通过全外显子测序和PCR扩增技术，对一名21岁女性难治性癫痫患者进行基因检测，发现其携带CSTB基因新型c.116-117 delAG移码变异（p.

  来源：Acta Epileptologica

  时间：2025-05-30

• 综述：从免疫学角度简要综述ALS及其潜在免疫治疗选择

  2 ALS的病理生理学ALS是一种以运动神经元进行性退化为特征的致命性神经退行性疾病，涉及SOD1、TDP-43、FUS和C9orf72等50余种基因突变。这些突变通过谷氨酸兴奋毒性、RNA代谢异常、蛋白质错误折叠、内质网应激和线粒体功能障碍等机制导致神经元死亡。其中，C9orf72基因的六核苷酸（GGGGCC）重复扩增产生的毒性RNA和蛋白质聚集体尤为关键。氧化应激（OS）通过活性氧（ROS）的积累进一步加剧神经元损伤，而TDP-43和FUS的核质转运异常则破坏RNA代谢稳态。3 ALS中的神经炎症神经炎症在ALS中扮演双重角色：小胶质细胞从稳态表型（M2）向促炎表型（M1）的动态转化是核心

  来源：Discover Immunity

  时间：2025-05-30

• 基于奇异值分解的轻量化LSTM模型在时间序列预测中的高效应用

  随着物联网和边缘计算的快速发展，时间序列预测在金融、气象、工业监控等领域的重要性日益凸显。长短期记忆网络(LSTM)因其卓越的时序数据处理能力成为主流方法，但其庞大的计算量和内存需求严重制约了在资源受限设备上的部署。传统轻量化技术如剪枝(pruning)、量化(quantization)和知识蒸馏(distillation)往往伴随性能损失，且依赖大量训练数据，难以适应工业场景样本不足的挑战。针对这一瓶颈，华南理工大学等机构的研究团队在《Future Generation Computer Systems》发表论文，创新性地将奇异值分解(SVD)应用于LSTM的权重矩阵分解，开发出WMD-LS

  来源：Future Generation Computer Systems

  时间：2025-05-30

• 综述：人工智能在港口应用的系统性综述——基于网络分析方法

  Abstract人工智能（AI）正推动港口这一传统行业的数字化转型，但智能技术的整合仍待深入探索。基于Scopus和Web of Science文献的系统性综述，结合网络分析方法，揭示了AI在港口各操作模块中的应用广度与复杂性。研究发现三大缺口：波浪预测中缺乏CV与ANN技术；码头起重机与路线管理中的DRL应用不足；船舶管理中ANN与大数据分析的潜力亟待开发。研究提出以技术整合、预测分析和协作倡议为核心的优化策略，助力港口迈向高效、安全与可持续的自动化未来。Introduction作为全球贸易的核心枢纽，港口每年处理超10万艘船舶及90%的国际贸易量。世界贸易发展会议强调，数字化是提升港口效率

  来源：Expert Systems with Applications

  时间：2025-05-30

• 卷积模糊模块堆叠的深度残差系统在分类问题中的应用与性能优化研究

  在数字化浪潮席卷全球的今天，医疗诊断、工业检测等领域产生的海量高维非线性数据对传统分类方法提出严峻挑战。尽管卷积神经网络(CNN)和模糊推理系统(FIS)各自在特征提取和可解释性方面展现出优势，但CNN的"黑箱"特性与FIS的规则爆炸问题始终制约着模型性能。更棘手的是，当网络深度增加时，传统深度模型会出现性能饱和甚至退化现象，这就像给本就复杂的分类任务又套上了一层枷锁。针对这些痛点，来自中国的研究团队在《Expert Systems with Applications》发表创新成果，提出卷积模糊模块堆叠深度残差系统(CFM-DRS)。该研究通过四个突破性设计实现破局：首先构建新型卷积模糊模块(

  来源：Expert Systems with Applications

  时间：2025-05-30

• 元调谐器：基于节点特异性转换的图神经网络少样本类增量学习框架

  随着社交网络和电商平台的爆发式增长，图神经网络(GNN)已成为处理关系数据的核心工具。然而现实世界的图数据如同活体组织般持续进化——新音乐流派突然风靡、小众商品类目悄然崛起，这些新兴类别往往仅有个位数标记样本。传统GNN面临双重困境：既要在稀缺样本下快速适应新类，又要避免对旧类知识的"灾难性遗忘"。这种被称为图少样本类增量学习(GFSCIL)的挑战，已成为制约智能系统动态演进的关键瓶颈。现有解决方案如HAG-Meta和Geometer虽能构建可分性原型，却忽视了节点嵌入的相互依赖性。如同拼图游戏中单块形状改变会影响全局拼接，图中新增节点会引发已有节点表征漂移。更棘手的是，高维嵌入空间中的"维度

  来源：Expert Systems with Applications

  时间：2025-05-30

• 基于时序延迟自博弈学习的彩色图像感知哈希生成方法及其鲁棒性研究

  随着互联网图像数据爆炸式增长，内容检索(CBIR)面临两大挑战：一是视觉内容相似的图像因微小变换（如旋转、压缩）被系统误判为不同样本；二是传统加密哈希对内容变化过度敏感。现有基于深度学习的感知哈希方法虽能提取图像特征，但存在量化误差和变换脆弱性问题。为此，研究人员提出了一种创新性解决方案——通过时序延迟自博弈训练机制优化特征空间聚类。该研究由国内团队开展，采用卷积神经网络(CNN)架构，引入自博弈学习框架：网络将当前训练迭代的输出与历史权重生成的特征进行对比，动态调整相似图像的簇内距离和异类图像的簇间距离。为降低二值化过程中的量化损失，设计了一种高梯度改进型sigmoid函数。实验选用CIFA

  来源：Expert Systems with Applications

  时间：2025-05-30

• 基于卷积神经网络的光弹性全场主应力分量及方向直接计算方法研究

  在工程与科学领域，光弹性（Photoelasticity）作为一种关键的实验技术，常用于应力分析，其通过可视化、非接触的方式实现全场应力测量。传统方法如相移技术（PST）和 RGB 方法，需经过获取多幅图像、计算参数、消除不连续区域、应力分离等一系列繁琐流程，不仅效率低下，还易积累误差，难以实现瞬时应力测量。而现有基于神经网络的光弹性方法，也局限于计算主应力差（即第一主应力 σ₁和第二主应力 σ₂的差值），无法直接确定 σ₁、σ₂的绝对值及主应力方向（等倾参数 θ），但在实际问题中，直接求解主应力分量及明确主应力方向对评估材料失效、优化设计至关重要。为解决这些问题，国内研究人员开展了相关研究，

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-30

• 基于物理分析与机器学习的混合航空发动机实时性能建模研究

  航空发动机性能建模是推进系统设计、控制和优化的核心技术，但随着数字孪生和实时监控需求的增长，传统基于组件图谱的零维(0-D)循环分析方法面临严峻挑战。这类模型依赖Newton-Raphson等迭代求解器处理非线性方程组，不仅计算耗时（单次仿真需秒级响应），在动态工况下还容易出现收敛失败。虽然查找表插值等替代方案能提升速度，却牺牲了精度和泛化能力。与此同时，纯机器学习(ML)模型虽具速度优势，但作为"黑箱"无法提供压力、温度等内部状态参数，且难以适应未训练的新工况。这种两难境地催生了对新型混合建模方法的迫切需求。为突破这一技术瓶颈，研究人员开发了融合物理机理与数据驱动的混合建模框架。该研究以F4

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-30

• 基于混合深度Kronecker网络-ResNeXt的云分类与云量估算方法研究

  云层作为覆盖地球表面66%的气象现象，在调节太阳辐射、影响气候变化和维持水文循环中扮演着核心角色。然而，传统云分类方法依赖人工目视观测或手工特征提取，难以应对云形态的快速变化和复杂背景干扰。例如，积雨云(Cb)与雷暴关联，层积云(Sc)则影响太阳辐射强度，但现有技术对10类云的分类准确率不足，且云量估算误差较大。这些问题严重制约了气象预测、航空安全和可再生能源研究的精度。针对上述挑战，研究人员开发了混合深度Kronecker网络-ResNeXt（DKN-ResNeXt）模型。该研究首先通过Kalman滤波预处理地面云图像，利用Swin-Unet完成云分割；随后融合熵中值二值模式(EMBP)与统

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-30

• 人工智能驱动的低排放微波固化地质聚合物砂浆力学性能预测模型研究

  全球建筑行业正面临严峻的环境挑战——传统水泥生产占全球CO2排放量的10%，每吨水泥消耗1.7吨原材料，且存在化学稳定性差等问题。地质聚合物(Geopolymer)作为新型环保建材，虽能显著降低碳足迹，但其性能受固化工艺影响显著。常规热固化(CHC)存在能耗高、温度分布不均等缺陷，而新兴的微波固化(MWC)技术虽能实现均匀加热，却缺乏精准的性能预测手段。为突破这一技术瓶颈，国外研究团队在《Engineering Applications of Artificial Intelligence》发表研究，系统评估了四种人工智能模型对微波固化地质聚合物力学性能的预测能力。研究采用深度学习神经网络(D

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-30

• 基于深度学习与声呐信号的水下目标姿态智能识别方法研究

  水下目标姿态识别是海洋资源勘探、环境监测和军事防御中的核心技术挑战。传统基于物理模型的声呐分析方法易受水温、盐度变化及多路径效应干扰，难以应对动态复杂的海洋环境。尤其在高噪声（如船舶螺旋桨噪声）和强信号衰减（高频声波吸收）条件下，现有方法的识别精度显著下降。为突破这一瓶颈，中国科学院的研究团队在《Engineering Applications of Artificial Intelligence》发表论文，提出了一种基于多层感知机（MLP）的多任务深度学习框架。该模型直接处理声呐频响数据，通过共享特征提取层同步完成椭球尺度分类（5类别）和入射角回归预测。研究团队通过模拟不同入射角下椭球目标的

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-30

• 新生儿缺氧缺血性脑病亚低温治疗后学龄期神经发育轨迹及 MRI 预后价值前瞻性研究

  在新生儿重症监护领域，新生儿缺氧缺血性脑病（hypoxic-ischemic encephalopathy, HIE）一直是困扰医学界的难题。该病是由于围产期窒息导致脑缺氧缺血，可引起严重的神经系统后遗症，甚至死亡。尽管治疗性亚低温（therapeutic hypothermia, TH）作为一种重要的神经保护策略，已被广泛应用于 HIE 的临床治疗，能显著降低中重度 HIE 患儿的死亡率和严重神经发育障碍的发生率，但令人担忧的是，仍有相当一部分接受 TH 治疗的 HIE 患儿在后续生长发育过程中出现不同程度的神经发育问题。目前，磁共振成像（magnetic resonance imaging

  来源：Early Human Development

  时间：2025-05-30

• 综述：利他人格的奥秘：来自非凡利他者的研究启示

  利他人格2020年7月，21岁的大学游泳队员Marena Kouba在密歇根苏必利尔湖目睹陌生人被暗流卷走时，毫不犹豫跳入冰水实施救援。这一罕见的高成本利他行为，正是研究者定义“非凡利他主义”的典型案例——包括非定向器官捐赠、英勇救援等突破社会常规的助人行为。这类行为因缺乏直接回报且不受社会规范约束，成为分离人格特质与情境影响的理想研究对象。定义利他主义严格定义的利他行为需满足两个条件：行为以提高他人福祉为目标，且对利他者存在明确成本。不同于合作（期待互惠）或公平（资源分配），利他主义在进化层面具有独特性。例如全球盖洛普调查显示，2024年145,000名受访者中过半数曾在当月帮助陌生人，但个

  来源：Current Opinion in Psychology

  时间：2025-05-30

• 综述：数字心理健康干预对注意力缺陷多动障碍疗效的随机对照试验荟萃分析

  数字心理健康干预对ADHD的疗效：证据与挑战引言注意力缺陷多动障碍（ADHD）是一种常见的神经发育障碍，全球约八分之一人群受其影响。传统药物治疗虽有效，但存在副作用和可及性限制。数字心理健康干预（DMHI）通过智能手机、网络平台等技术手段，为ADHD管理提供了新途径。方法学创新本研究采用三级荟萃分析模型，纳入23项RCT（共1472名参与者），涵盖认知训练、神经反馈、远程医疗等多种干预类型。通过多层级数据分析，解决了既往研究忽略的多重效应量问题，并首次系统比较了不同干预类型的疗效差异。核心发现整体症状改善：DMHI对ADHD整体症状具有轻微但显著效果（g=−0.32，p=0.003），尤其在注

  来源：Computers in Human Behavior Reports

  时间：2025-05-30

知名企业招聘：