• 肉类加工程度会影响视觉评估过程中大脑功能网络的连接性

  摘要人类大脑能够迅速解读视觉上的食物线索，以辅助评估和决策过程，然而其对天然食品与加工食品的反应机制仍不明确。本研究通过脑电图（EEG）技术探讨了肉类加工过程如何影响视觉评估时大脑网络之间的互动。未经加工的肉类图像具有不规则的纹理和自然的细节，这些特征在腹侧视觉区域和腹内侧前额叶皮层引发了更强的神经激活，表明大脑在感官处理和价值判断方面表现得更为活跃。功能连接性分析显示，加工过的肉类图像会增强视觉网络、显著性网络以及默认模式网络之间的连接性，这表明与内部导向的感知和评估机制有关的活动被激活。相比之下，未经加工的肉类图像则会在视觉网络、背侧注意力网络、显著性网络、控制网络和边缘系统网络之间引发更

  来源：FOOD SCIENCE AND BIOTECHNOLOGY

  时间：2025-11-17

• β-地中海贫血患者在整个生命周期中的认知特征：一项系统综述

  摘要β-地中海贫血是一种常染色体隐性遗传性血液疾病，由生成珠蛋白链的缺陷引起，而珠蛋白链结合形成血红蛋白。β-地中海贫血严重影响患者的日常生活，导致重要的心理和认知问题：认知缺陷可能在发育早期出现，并对生活质量产生长期影响。尽管已有大量文献表明β-地中海贫血患者存在各种认知障碍，但近期研究主要集中在智力障碍方面，只有少数研究关注特定的认知功能。本系统评价旨在识别不同的认知特征（取决于β-地中海贫血的类型和年龄），以及这些特征与社会人口统计学变量、心理因素和临床因素之间的关系，以便为多维度评估提供依据，并实施旨在促进β-地中海贫血患者终生认知健康的干预措施。现有证据表明，神经心理学评估应成为诊断

  来源：Psychology, Health & Medicine

  时间：2025-11-17

• 综述：一项关于为神经多样性用户设计的包容性和适应性人机交互设计的范围审查

  近年来，人工智能（AI）技术在支持神经多样性用户方面展现出巨大潜力，尤其在教育、医疗、康复及职场等场景中。这些技术旨在通过个性化、包容性与适应性的设计策略，提升神经多样性群体的用户体验和功能实现。然而，尽管AI在这些领域取得了一定进展，其在实际应用中仍面临诸多挑战，包括研究方法的局限性、数据偏见、用户参与度不足以及伦理问题等。本文综述了2019年至2025年间发表的117篇相关研究，探讨了AI系统的设计与应用现状，并指出了未来研究的方向。### AI技术的多样化应用AI技术在支持神经多样性用户方面已经展现出多样化的发展路径。在教育领域，智能教学系统被用于帮助有特殊教育需求的学生，例如通过模糊神

  来源：Disability and Rehabilitation: Assistive Technology

  时间：2025-11-17

• 欧洲葡萄牙语版painDETECT问卷在肌肉骨骼疼痛患者中的有效性和可靠性

  摘要目的验证欧洲葡萄牙语版本的PainDETECT问卷（PDQ-PT）在肌肉骨骼（MSK）疼痛患者中的结构效度、信度和构念效度。材料与方法这项横断面方法学研究共纳入了242名肌肉骨骼疼痛患者。参与者完成了PDQ-PT问卷及其他五份问卷。通过探索性因子分析和验证性因子分析来评估结构效度；通过测量内部一致性和重测信度来评估信度；并通过将结果与欧洲葡萄牙语版的DN4问卷进行比较，以及对比伤害感受性（NOC）组和神经病理性（NEP）组的疼痛状况和肌肉骨骼健康状况来检验构念效度。结果PDQ-PT表现出单因素结构，各因子载荷具有显著性，模型拟合指数也较为理想。内部一致性较高（Cronbach’s α =

  来源：Disability and Rehabilitation

  时间：2025-11-17

• 基于絮凝图像的可解释机器学习模型，用于监测凝结过程

  水处理是保障人类健康和生态环境的重要环节，其中凝聚过程作为去除悬浮颗粒和有机污染物的关键步骤，其控制效果直接影响最终水质。传统上，凝聚剂的投加量主要依赖于经验判断或离线实验室批次试验，这种方法虽然在一定程度上能够满足需求，但在面对复杂多变的水体条件时显得力不从心。例如，水体中天然有机物（NOM）的浓度和组成会随季节变化而波动，特别是在春季和夏季藻类大量繁殖，秋季则因植被枯萎导致腐殖质物质增加，这些都会显著影响凝聚剂的需求。此外，水处理过程中水流条件的变化也增加了控制难度。因此，开发基于实时监测数据的智能凝聚剂投加控制系统，成为提升水处理效率和水质安全的重要研究方向。在这一背景下，非侵入式絮凝图

  来源：Process Safety and Environmental Protection

  时间：2025-11-17

• 一种混合模型，结合了改进的神经网络和扩展的活性污泥模型3（Extended Activated Sludge Model No. 3），用于预测丝状菌膨胀现象

  在污水处理领域，活性污泥法是一种广泛应用的生物处理技术，其核心在于通过微生物的代谢活动去除污水中的有机污染物。然而，活性污泥系统中常常会出现一种被称为丝状菌膨胀的问题，这不仅影响了污泥的沉降性能，还可能导致整个处理系统的失效。为了解决这一问题，研究人员提出了多种预测与管理策略，其中，融合机制模型与数据驱动模型的方法成为当前研究的重点。本文提出了一种新型的混合模型，该模型结合了改进的反向传播（BP）神经网络与扩展的活性污泥模型No.3（ASM3-F）。ASM3-F模型引入了动力学选择理论和同步储存-生长机制，将异养微生物细分为絮状菌（X_FLOC）和自由丝状菌（X_FIL）。通过这种方式，模型能

  来源：Process Safety and Environmental Protection

  时间：2025-11-17

• FGF21基因内源性缺失对认知功能影响及其机制的研究

  认知功能障碍是一种在多个神经领域如语言、记忆和推理能力上出现下降的现象，广泛存在于多种神经系统疾病和衰老过程中。这种障碍严重影响了个体的生活质量和整体健康。纤维母细胞生长因子21（FGF21）作为一种调节葡萄糖/脂质代谢和能量稳态的激素，表现出显著的神经保护特性。为了深入探讨内源性FGF21缺失对认知功能的影响及其机制，研究人员使用了FGF21基因敲除小鼠和野生型小鼠作为实验模型。通过多种行为学范式评估FGF21对小鼠认知行为的作用，并利用尼氏染色和HE染色观察形态学变化，同时进行转录组测序以探索FGF21与认知障碍相关疾病之间的潜在联系。行为学和形态学分析的结果显示，FGF21基因敲除的小鼠

  来源：Physiology & Behavior

  时间：2025-11-17

• 母鼠分离压力对雌性大鼠的影响及其时间依赖性：性别差异的探究

  本研究聚焦于探讨早期生活压力（ELS）对雌性大鼠神经发育和行为表现的影响，并特别关注压力暴露时间对这些影响的调控作用。早期生活压力模型，如母体分离（MS），在神经科学领域被广泛用于模拟和研究压力对大脑发育的长期影响。然而，关于雌性个体中压力暴露时间与行为变化之间的关系，以及这些变化是否与雄性存在差异，此前的研究尚不充分。因此，本研究旨在填补这一知识空白，通过对比雌性大鼠在不同时间点接受MS后的行为表现和神经结构变化，揭示其特定的敏感窗口和神经可塑性机制。### 早期生活压力对神经发育和行为的影响早期生活压力，特别是母体分离，已被证实会显著影响大鼠的大脑发育，尤其是在海马体区域。海马体作为大脑中

  来源：Physiology & Behavior

  时间：2025-11-17

• 自愿轮跑有助于改善由社会隔离压力引发的小鼠认知缺陷和异常攻击性行为

  在现代社会中，青少年的心理健康问题日益受到关注。社会互动的减少已被证实会对青少年的身心健康产生负面影响，然而，社会隔离（SI）带来的心理压力以及相应的干预手段的机制仍然不够明确。因此，研究者们开展了一系列实验，试图揭示运动干预对社会隔离压力引起的认知和行为异常的改善效果，并进一步探讨其背后的神经生物学机制。这项研究采用了一种严谨的实验设计，通过对比不同处理组的小鼠行为表现、内分泌指标和脑内神经活动，深入分析了社会隔离对青少年心理状态的影响及可能的干预途径。研究对象为雄性C57BL/6小鼠，年龄为3周。实验分为四个组：对照组（Ctrl，N=32）、社会隔离组（SI，N=33）、社会隔离加自由轮跑

  来源：Physiology & Behavior

  时间：2025-11-17

• 一种用于多变量时间序列分类的新型动态图注意力聚合网络

  多变量时间序列分类（Multivariate Time Series Classification, MTSC）是数据科学和人工智能领域中的一个重要研究方向，尤其在处理高维数据和复杂变量关系时，面临着诸多挑战。随着智能设备和传感器技术的广泛应用，多变量时间序列数据在多个领域中变得愈发常见，例如经济分析、天气预测、医学信号处理以及工程系统监控等。这些数据不仅包含多个变量，还具有显著的时间连续性，因此对分类算法提出了更高的要求。传统方法在处理这类数据时往往表现出一定的局限性，尤其是在捕捉长期依赖关系和隐含变量间关系方面。尽管近年来深度学习方法在MTSC任务中取得了显著进展，但它们在建模变量间交互关

  来源：Pattern Recognition

  时间：2025-11-17

• 基于提示引导的双通道注意力模型根据功能性和结构性特征预测大脑激活情况

  PG-DCAM作为一种创新的预测模型，旨在通过融合静息态功能磁共振成像（rsfMRI）和结构磁共振成像（sMRI）数据，实现对个体任务相关脑激活模式的精准预测。该模型不仅提升了预测的准确性，还在多任务学习中展现了高效的训练能力。在当前的神经科学研究中，理解个体在执行相同任务时表现出的认知差异是至关重要的。这些差异通常体现在大脑活动模式上，而这些模式可以通过功能性磁共振成像（fMRI）进行捕捉。然而，传统的fMRI方法需要受试者积极参与特定的认知任务，这在某些特殊人群中可能面临挑战。因此，开发一种无需主动任务参与即可预测脑激活模式的模型，成为研究的一个重要方向。在这一背景下，PG-DCAM的提出

  来源：Pattern Recognition

  时间：2025-11-17

• 基于单点飞行时间（Single-ToF）激光雷达的平面信息识别

  在当今的智能交通系统与自动驾驶技术迅速发展的背景下，三维激光雷达（LiDAR）技术因其强大的环境感知能力而备受关注。然而，传统的LiDAR系统在识别场景中的平面信息时存在诸多挑战。这些挑战主要体现在对单一LiDAR传感器依赖所带来的限制，以及多模态数据融合过程中面临的复杂性与不确定性。针对这些问题，本文提出了一种创新的方法，旨在通过单个Time-of-Flight（ToF）激光雷达与专用神经网络的结合，实现对平面信息的高效获取与识别。这种方法不仅解决了多传感器数据融合中常见的对齐问题，还提升了在不同光照条件下识别平面信息的鲁棒性与准确性。当前，LiDAR技术在三维重建、自动驾驶、无人机导航等众

  来源：Pattern Recognition

  时间：2025-11-17

• 戈谢病亚型的转录组特征：系统生物学的视角

  ### Gaucher Disease Subtype-Specific Molecular Signatures and Biomarker Identification Through Transcriptomic Analysis#### 1. 研究背景与核心发现 Gaucher病（GD）是一种由溶酶体酶β-葡糖苷酶1（GBA1）基因突变引发的代谢性疾病，以葡萄糖脑苷脂（glucosylceramide）在器官中的异常蓄积为特征。该研究通过整合GEO数据库中的转录组数据，系统性地解析了GD1、GD2和GD3三种临床亚型的分子异质性，并首次提出年龄分层与亚型特异性标志物。研究重点包括：

  来源：Molecular Genetics and Metabolism Reports

  时间：2025-11-17

• 将社区层面的传播地理网络整合到一个动态系统中，以更好地控制流行病

  在这篇文章中，研究者提出了一个创新的方法，用于改进对快速传播疫情的建模与控制。传统的确定性模型和常规的随机与统计模型在处理疫情的快速传播时存在局限性，尤其是在提供及时的解决方案方面。这些模型通常在有足够时间进行调整时才被有效使用，而快速传播的疫情往往需要更即时的应对措施。因此，本文引入了一种结合时间敏感数据的图形网络模型，以增强像SIR模型这样的确定性传染病模型。这种新方法特别适用于那些传播速度快、需要迅速干预的疫情，为疫情的控制提供了一种更为精准和及时的模型化解决方案。疫情的传播过程是一个持续的动态过程，尤其是在快速传播的情况下。感染者与易感者之间的联系可以是静态的，也可以是动态的。在短时间

  来源：Journal of Theoretical Biology

  时间：2025-11-17

• 重叠性食管疾病：一项基于人群的比较研究——同时被诊断为嗜酸性食管炎和贲门失弛缓症的患者

  摘要 背景 嗜酸性食管炎（EoE）和贲门失弛缓症是两种不同的食管疾病，它们具有重叠的症状，这使得诊断和治疗变得复杂。虽然之前的研究探讨了贲门失弛缓症患者中的EoE情况，但关于两者之间的反向关系了解较少。本研究旨在描述同时患有EoE和贲门失弛缓症的患者特征，以及它们之间的时间关系。 方法

  来源：Neurogastroenterology & Motility

  时间：2025-11-17

• SFMMoE：一种半经验描述符增强的多专家图神经网络，用于准确预测单裂变特性

  由于准确评估激发态能量所需的高计算成本，高效识别单裂变（SF）候选体在高性能有机光伏材料的发展中仍然是一个重大挑战。在这里，我们提出了SFMMoE，这是一种结合了多专家多门控（MMoE）架构和2-HOP消息传递的图神经网络（GNN）。通过整合分子图中的局部拓扑信息与来自半经验方法的全局分子描述符，SFMMoE能够同时预测五个关键的激发态属性，包括两个对单裂变至关重要的热力学指标：ΔEgap1 = ΔES1 – 2ΔET1 和 ΔEgap2 = ΔET2 – 2ΔET1。该模型在所有任务中的均方误差均低于0.04 eV，优于传统的机器学习方法和GNN基线测试。这项工作表明，将多任务学习与专家专长

  来源：The Journal of Physical Chemistry Letters

  时间：2025-11-17

• 通过整合生物信息学分析识别与神经营养因子相关的生物标志物，并深入探讨神经病理性疼痛的机制

  神经病理性疼痛（NPP）是一种由感觉神经系统损伤或疾病引起的广泛性疼痛综合征，其发病机制复杂，治疗难度大。目前，尽管已有大量研究探讨了神经营养因子（NTFs）在NPP中的关键作用，但针对具有诊断潜力的神经营养因子相关基因的识别以及治疗靶点的探索仍存在明显不足。因此，进一步深入研究NPP的分子机制变得尤为重要。本研究通过整合生物信息学方法，旨在识别与NPP相关的关键生物标志物，并探索其潜在的分子机制，为未来NPP的诊断和治疗提供新的思路。神经营养因子是一类对神经系统发育、存活、功能和修复至关重要的蛋白质分子。它们通过与特定受体结合，调节神经细胞的生长、分化、存活和可塑性，在神经系统发育和功能维持

  来源：ACS Omega

  时间：2025-11-17

• 吗啡依赖与戒断对雄性和雌性大鼠操作性社会互动的影响

  本研究旨在探讨阿片类药物依赖和戒断对大鼠社会互动行为的影响，特别是通过操作性自给行为的方式评估社会奖励的改变。研究团队由Emma M. Pilz、Kayla M. Pitts和Jonathan J. Chow组成，来自美国国立卫生研究院国家药物滥用研究所（NIDA, NIH）的行为神经科学分支。他们的研究揭示了阿片类药物使用对社会互动和食物获取行为的复杂影响，为理解阿片类药物成瘾与社会功能之间的关系提供了新的视角。阿片类药物成瘾通常与社会功能的下降密切相关，包括社交联系的减少、人际关系受损以及社交隔离的增加。这些社会行为的变化不仅影响个体的日常互动，还可能加剧成瘾的复发风险。在之前的研究中，小

  来源：Douleurs : Évaluation - Diagnostic - Traitement

  时间：2025-11-17

• VAF-IBFD：一种基于虚拟磁动机（VMD）的方法，用于克服智能轴承故障诊断中快速傅里叶变换（FFT）的局限性

  轴承故障诊断是保障工业设备可靠性和安全性的关键环节。然而，由于故障特征微弱、信号非平稳性以及噪声干扰等因素，这一任务仍然面临诸多挑战。传统的人工方法依赖专家知识进行故障识别，但存在主观性偏差和长时间工作带来的疲劳影响，导致诊断结果不准确。而常规的基于学习的方法虽然在特征提取方面具有一定优势，但往往受到频谱分辨率的限制，难以捕捉到细微的故障特征。为了解决这些问题，本文提出了一种融合变分模态分解（VMD）与快速傅里叶变换（FFT）的新型VAF框架，并结合深度学习技术，以实现更准确的轴承故障诊断。VAF框架的核心思想在于利用VMD和FFT各自的优势，通过互补的方式提升故障诊断的精度和鲁棒性。FFT作

  来源：Digital Signal Processing

  时间：2025-11-17

• 利用先进的深度学习方法实现的高效恶意二维码检测系统

  随着科技的迅速发展，二维码（QR码）已经成为人们日常生活中不可或缺的一部分。从信息分享到广告宣传，再到数字支付，QR码以其便捷性和高效性被广泛采用。然而，这种普及也带来了潜在的安全隐患。恶意行为者开始利用QR码进行恶意活动，如分发恶意软件和实施钓鱼攻击。传统的检测方法通常依赖于URL分析或基于图像的特征提取，但这些方法可能引入显著的计算负担，限制了其实时应用的可能性，同时其性能往往受到提取特征质量的影响。已有研究在将卷积神经网络（CNN）与循环神经网络（RNN）结合用于恶意检测时，尚未充分关注QR码的安全性。为此，本文提出了一种深度学习模型，结合AlexNet进行特征提取、主成分分析（PCA）

  来源：Computer Standards & Interfaces

  时间：2025-11-17

知名企业招聘：