• 接受胃电刺激后出现胃轻瘫症状的患者（包括是否进行管饲的情况）

  Fares Kasem|Le Yu Naing|Prateek Mathur|Lindsay McElmurray|Carmelita Moppins|Michael W. Daniels|Abigail Stocker|Thomas L. Abell|Endashaw Omer美国肯塔基州路易斯维尔大学内科系摘要背景胃轻瘫患者通常会摄入营养价值较低、高简单碳水化合物的饮食，因为这种饮食比含有适量碳水化合物、蛋白质和脂肪的均衡饮食更容易被他们耐受。当患者通过空肠造口管（J-tube）进食时，胃电刺激（GES）对药物难治性胃轻瘫（Gp）患者营养状况的影响尚不清楚。我们进行了一项前瞻性、非随机、开

  来源：Neuromodulation: Technology at the Neural Interface

  时间：2025-11-28

• 有意识的心脏感知与内感受觉注意对心跳引发的神经活动具有不同的调节作用

  这项研究聚焦于心搏触发的脑电信号（HER）与两种不同心理过程的关联：一种是专注心脏活动的注意状态（interoceptive attention），另一种是心脏意识的自觉体验（conscious cardiac awareness）。通过设计新型实验任务，研究者成功分离了这两种心理过程对应的神经机制，揭示了其时空特征和功能关联的差异。研究团队开发了包含视觉提示的5秒钟表旋转任务，要求被试在观察旋转指针的同时感知并记录心跳。与传统的HCT任务相比，该设计通过实时PPG信号反馈强化了主观体验的可信度。被试在完成实验后需要标注每颗心搏的感知时间点，并验证与PPG检测的心跳位置是否一致。这种双重验证机

  来源：NeuroImage

  时间：2025-11-28

• 药物诱导睡眠期间的脑灌注：通过ASL MRI定量分析的皮质和皮下结构变化

  这篇研究以非侵入性磁共振成像技术（ASL-MRI）为核心，系统探究了健康成年人睡眠剥夺后通过药物诱导睡眠期间的全脑及脑干区域血流动力学变化。研究团队通过双盲交叉设计，在严格控制的实验条件下对比了自然清醒状态与药物诱导睡眠期的脑血流特征，并首次将这种高精度成像技术应用于睡眠脑干觉醒网络的动态监测。研究背景显示，睡眠机制仍存在诸多未解之谜。尽管代谢调节假说和脑脊液清除假说为睡眠功能提供了理论支撑，但现有研究多依赖PET技术观察睡眠相关脑血流变化，存在辐射暴露、无法实时监测等局限性。本研究创新性地采用伪连续动脉自旋标记（pCASL）技术，在保持扫描稳定性的同时，实现了对深睡眠期脑干区域微血流变化的精

  来源：NeuroImage

  时间：2025-11-28

• 高强度间歇训练和中等强度持续训练后抑制性控制能力增强的神经基础：一项针对9至10岁儿童的fNIRS研究

  该研究聚焦于高强度间歇训练（HIIT）与中等强度持续训练（MICT）对9-10岁儿童执行功能的干预效果及其神经机制。研究采用双盲随机对照试验设计，将60名符合纳入标准的儿童分为HIIT组、MICT组和对照组，通过为期8周的不同跳绳训练方案，结合认知行为测试和近红外光谱技术（fNIRS），系统评估了两种训练模式对抑制控制能力的影响及前额叶皮层血氧代谢的变化。### 一、研究背景与意义儿童执行功能发展存在关键窗口期，9-10岁阶段是抑制控制能力快速提升的敏感期。现有证据表明，规律运动可通过改善神经可塑性和脑区代谢效率提升认知功能（Cotman et al., 2002）。然而，关于HIIT与MIC

  来源：NeuroImage

  时间：2025-11-28

• 通过配对的术中直接皮层刺激方法，对人类运动前区与运动区的连接性进行解剖学表征

  本研究由意大利特伦托大学CIMeC认知与脑科学中心的多位研究者完成，聚焦于术中神经生理学技术评估前运动皮层（Premotor Cortex, PM）与初级运动皮层（Motor Cortex, M1）的皮质-皮质直接连接机制。研究团队通过14例接受肿瘤切除术的患者，在全身麻醉下采用直接皮质电刺激（DES）技术，结合条件-测试脉冲范式，首次在人类中揭示了PM向M1传递运动信息的解剖学定位与时空特征。**研究背景与意义** 前运动皮层作为运动控制系统的核心枢纽，在整合感觉信息与执行运动计划中发挥关键作用。灵长类动物研究显示，PM通过背侧（PMd）和腹侧（PMv）两个功能亚区分别调控躯体近端与远端运

  来源：NeuroImage

  时间：2025-11-28

• 基于深度学习的动脉输入函数，用于动态脑部正电子发射断层扫描（PET）

  动态正电子发射断层扫描（PET）成像结合代谢物校正的动脉输入函数（AIF）建模是揭示大脑生理和神经性疾病的关键技术。然而，传统AIF估计依赖动脉采血，存在侵入性风险、操作复杂及患者耐受性问题。本文提出深度学习驱动的动脉输入函数（DLIF）框架，通过端到端学习直接从动态PET序列中估计代谢物校正的AIF，无需任何血样采集。**核心贡献与创新点：**1. **非侵入性AIF建模**：DLIF突破传统动脉采血的依赖，仅通过PET图像序列实现AIF估计，显著提升患者舒适度和研究可行性。2. **动态时空建模能力**：采用Vision Transformer（ViT）架构处理三维动态PET数据，捕捉跨时

  来源：NeuroImage

  时间：2025-11-28

• 不同维度下对不确定性不耐受的神经相关机制：来自多模态奖励处理分析的见解

  抗不确定性（Intolerance of Uncertainty, IU）作为心理健康领域的核心概念，近年来在神经科学领域受到广泛关注。本研究通过整合功能磁共振成像（fMRI）和结构磁共振成像（sMRI）技术，首次系统性地考察了IU三个子维度（前瞻性抗不确定性、抑制性抗不确定性、IU负担）与神经奖赏处理机制及脑结构的关联。研究团队来自德国哈勒-威廷伯格大学心理学系，采集了243名健康成年人的多模态神经影像数据，并运用分层回归分析技术揭示了不同IU维度独特的神经生物学特征。在研究设计方面，采用改良的扑克牌猜测任务，通过正奖赏、负奖赏及控制块对比，系统观测受试者在不同奖赏情境下的脑活动模式。负奖赏

  来源：NeuroImage

  时间：2025-11-28

• 识别对精神疲劳高度敏感的个体：一项功能连接性研究

  本文探讨了个体间对精神疲劳的敏感性差异及其脑网络重组机制。研究选取95名健康大学生作为受试者，通过20分钟持续警觉任务（PVT）采集行为数据和脑电信号（EEG），并基于反应时（RT）和准确率构建复合指数（F指数），将参与者分为高敏感性组（FS组）和低敏感性组（FR组），每组30人。研究发现，FS组在任务后期呈现显著的RT延长和准确率下降，而FR组表现稳定。进一步通过功能连接分析显示，两组在多个频段的脑网络全局整合与局部分离特性存在差异，其中FR组在θ和β频段的全局效率（Global Efficiency, GE）和局部效率（Local Efficiency, LE）显著高于FS组。特别值得注意

  来源：NeuroImage

  时间：2025-11-28

• 利用速度选择性静脉自旋标记技术和3D GRASE技术实现的全脑静脉血容量快速成像

  ### 神经血管功能成像技术进展：VS-VSL 3D GRASE静脉血容量动态监测方法研究#### 一、研究背景与问题静脉血容量（CBVv）作为脑功能成像的重要生物物理参数，其测量精度直接影响脑血氧代谢（CBOT）和神经血管耦合（NVC）机制的研究。传统MRI技术如定量BOLD（qBOLD）和超氧血红蛋白增强BOLD（hyperoxia-BOLD）面临两大技术瓶颈：其一，梯度回波（GRE）序列长 echoes（TE）导致磁偏场（ΔB0）干扰显著，信号失真率可达15%-30%；其二，生理性干扰因素如呼吸运动和咖啡因摄入对CBVv的动态影响难以精准捕捉。这些局限性严重制约了CBVv在临床脑疾病研究

  来源：NeuroImage

  时间：2025-11-28

• Agm-Net：基于注意力引导的掩蔽去噪异常定位网络

  在工业质检、医疗影像分析及视频监控等领域，图像异常检测（Anomaly Detection, AD）技术通过识别图像中的异常区域，为缺陷检测、疾病筛查等场景提供关键支持。然而，传统监督式AD方法面临两大核心挑战：一是正常样本与异常样本的类别不平衡问题，通常异常样本数量远少于正常样本；二是实际应用中获取高质量异常样本的困难性，这严重制约了模型的泛化能力。近年来，基于知识蒸馏（Knowledge Distillation, KD）的半监督或无监督AD方法逐渐成为研究热点，其核心思想是通过模仿教师网络（Teacher Network, T）对正常样本的学习过程，使学生网络（Student Netwo

  来源：Neural Networks

  时间：2025-11-28

• 带注意力聚类嵌入的多视图子空间张量化

  多视图聚类领域近年来的研究进展与STANCE方法创新分析多视图聚类作为数据科学的重要分支，在生物特征识别、图像语义分割、社交网络分析等场景中展现出独特优势。随着深度学习技术的快速发展，基于神经网络的自动特征提取能力显著提升了多视图聚类的性能。然而，现有方法在处理高阶关联性和多视图融合时仍存在明显局限，这促使研究者探索新的解决方案。传统多视图聚类方法多采用张量分解技术，通过构建三维张量整合不同视图数据。这类方法的优势在于能够显式建模样本间的多维关联，但存在两个根本性缺陷：首先，基于矩阵运算的浅层分解难以捕捉复杂非线性关系；其次，静态的融合机制无法适应不同视图间的动态交互需求。以Ji等人（2025

  来源：Neural Networks

  时间：2025-11-28

• 通过解释性交互式解耦表示学习来增强概念一致性

  可解释交互式分解表示学习框架研究一、研究背景与挑战当前深度学习模型在特征提取方面存在显著优势，但其"黑箱"特性导致模型可解释性不足。分解表示学习通过分离独立概念来增强模型可解释性，但传统方法面临三大核心挑战：1. 概念对齐困境：模型生成的抽象特征难以与人类定义的概念建立明确对应关系。现有研究（Dang et al., 2024; Schramowski et al., 2020）表明，约68%的深度学习模型特征空间与人类认知存在维度错位问题。2. 交互闭环缺失：现有可视化系统（Huang et al., 2023; Zhao et al., 2022）主要提供单向解释功能，无法实现专家反馈与模

  来源：Neural Networks

  时间：2025-11-28

• 基于课程指导的图自增强方法：一种用于图神经网络（GNNs）的渐进式深化框架

  近年来，图神经网络（GNN）作为处理非欧几里得数据的核心工具，在节点分类、链接预测等任务中取得了显著进展。然而，随着网络深度的增加，过平滑问题逐渐成为制约模型性能的关键因素。过平滑现象表现为节点特征在多层聚合后趋同，导致同一类别的节点难以区分，同时不同类别的节点特征相互靠近，削弱了类别可分离性。这种现象在异构图结构中尤为突出，因为高阶聚合会过度融合不同类别的信息。传统GNN的解决方案多聚焦于网络结构改进或聚合机制调整，但存在两个根本性局限：其一，缺乏对图结构动态特性的适应机制，其二，未建立有效的类别间特征分离策略。针对这些问题，研究者提出了一系列改进方法，例如引入注意力机制动态调整信息聚合权重

  来源：Neural Networks

  时间：2025-11-28

• 交互式图像到视频的迁移学习

  人工智能领域在激活函数设计方面持续探索，新型R-Gaussian函数通过动态参数调节机制为深度学习优化提供了新思路。该研究由印度科钦科技大学数学系团队完成，核心贡献在于提出一种无需额外参数调整的激活函数解决方案，在保证计算效率的同时显著提升梯度传播稳定性。传统激活函数存在显著局限。Sigmoid和Tanh虽能有效约束输出范围，但在深层网络中梯度衰减问题突出，尤其面对高维异构数据集时表现更为明显。ReLU系列通过引入非零梯度缓解了部分问题，但负值区域的"死亡神经元"现象仍然制约着学习深度。尽管SELU等自归一化激活函数通过参数初始化优化输入分布，但其依赖的固定参数设置难以适应动态变化的数据特征。

  来源：Neural Networks

  时间：2025-11-28

• 针对压电执行器中非线性刚性Dahl滞后模型的新型深度学习解决方案：采用分层循环神经网络

  压电执行器（Piezoelectric Actuators, PEAs）作为精密定位系统中的关键组件，其非线性迟滞效应长期制约着纳米/微米尺度的高精度应用。本文通过构建循环神经网络与Levenberg-Marquardt优化算法的混合模型，系统性解决了传统迟滞建模方法存在的数据依赖性强、模型泛化能力差、参数辨识复杂等核心问题。研究聚焦于Dahl迟滞微分模型（DHDs）的神经计算实现，通过合成数据生成与动态方程数值积分技术，建立了覆盖多种工况的实验验证体系。在建模方法层面，研究创新性地将物理引擎中的Dahl迟滞模型与深度学习框架进行融合。该模型基于四类典型输入信号（单位幅值正弦波、含直流偏置的正

  来源：Neural Networks

  时间：2025-11-28

• RCVQA：基于阅读理解的视觉问答模型

  视觉问答（VQA）作为计算机视觉与自然语言处理交叉领域的核心技术，其发展始终伴随着对多模态语义理解能力的深度探索。现有研究虽然在模型架构上取得显著进展，但受限于技术路径的局限性，尚未完全突破跨学科融合的瓶颈。本文提出RCVQA框架，通过系统性整合阅读理解与视觉问答的核心要素，构建了具有创新性的方法论体系，在四个主流数据集上实现了突破性性能提升。在技术路径上，传统VQA模型主要依赖特征提取与模板匹配的简单结合。尽管Transformer架构通过自注意力机制实现了跨模态信息交互，但现有研究普遍存在知识整合表层化、答案生成单一化、评估维度局限化三大技术痛点。具体而言，主流模型如ReAuSE和KIRV

  来源：Neural Networks

  时间：2025-11-28

• 一种结合两级邻域搜索的耦合脉冲神经P系统，用于解决柔性作业车间调度问题

  柔性作业车间调度问题（FJSP）作为复杂制造环境中极具代表性的NP难解优化问题，其研究价值与实践意义在近年的生产管理领域持续凸显。传统作业调度问题在引入多机柔性加工能力后，形成了具有双重决策维度的非线性优化体系：一方面需要根据设备能力差异进行动态排产，另一方面又要应对生产环境的不确定性扰动。这种双重特性导致现有智能算法在处理大规模柔性问题时面临效率瓶颈，具体表现为搜索结构线性化、邻域移动冗余度高以及探索与开发平衡失效等核心缺陷。当前主流的近似算法多采用改进遗传算法或粒子群优化框架，这些方法虽在中小规模问题上表现优异，但在处理超过1000个工序的复杂实例时存在显著性能衰减。根本原因在于传统算法的

  来源：Neural Networks

  时间：2025-11-28

• 基于迭代反馈的时间序列异常检测方法及自适应扩散模型的应用

  时间序列数据异常检测是当前数据科学领域的重要研究方向，其应用场景涵盖工业设备监测、金融风险预警、医疗健康追踪等多个关键领域。传统检测方法存在两大核心痛点：一是依赖人工经验确定观测点，导致模型泛化能力受限；二是简单粗暴的填补缺失值可能引发数据失真，进而影响异常判别准确性。针对这些问题，研究团队创新性地构建了迭代反馈自适应扩散框架（IFAD），通过三阶段协同优化显著提升了检测性能。在数据预处理阶段，IFAD采用动态迭代机制选择观测点。初始迭代随机选取部分数据点作为参考，后续迭代的观测点选择则基于前一轮的检测结果进行优化。具体而言，系统会计算各时间点与异常阈值的偏离程度，优先保留偏离度较小的正常数据

  来源：Neural Networks

  时间：2025-11-28

• 基于类原型对比的平均教师方法：用于领域自适应目标检测

  跨域自适应目标检测中的类原型对比学习框架研究在计算机视觉领域，目标检测作为核心任务之一，面临跨域数据分布差异带来的显著性能衰减问题。传统方法主要依赖图像级特征对齐，但忽略了实例级特征的精细调整需求。针对这一痛点，研究团队创新性地提出基于类原型对比的均值教师框架（PCMT），通过构建多层级类原型表征体系，实现跨域检测性能的突破性提升。该研究在多个公开数据集上展开验证，包括Cityscapes、Foggy Cityscapes、PASCAL VOC、BDD100k和Clipart1k等具有典型域差异的基准测试集。实验发现，PCMT在Cityscapes到BDD100k的跨域迁移任务中，将mAP提升

  来源：Neural Networks

  时间：2025-11-28

• 预测IV型糖原贮积病的亚型：肝脏亚型相关性的挑战及基因型-表型关联问题

  GSD IV表型与基因型的关联性研究及临床意义分析Glycogen Storage Disease type IV（GSD IV）是由GBE1基因编码的分支酶缺乏引起的常染色体隐性遗传病。该酶负责将糖原链末端的α-1,4葡萄糖连接至α-1,6分支点，形成可溶的糖原颗粒。当该酶功能缺失时，糖原代谢异常导致非膜结合的多聚葡萄糖体在肝、神经肌肉组织等器官异常沉积，形成特征性的病理改变。临床表型呈现显著异质性，主要分为三大类：1. 肝脏主导型（占比约60%）：典型表现为新生儿期发病的肝性代偿失调，常伴随肝脾肿大、凝血功能障碍。未经移植干预者多在5岁前因肝衰竭死亡。值得注意的是，约30%患者表现为"非进

  来源：Molecular Genetics and Metabolism

  时间：2025-11-28

知名企业招聘：