• 基于脑电图（EEG）的精神病学分类方法：运用主题发现技术

  抑郁症是一种全球范围内的常见心理障碍，影响着大量人群。在临床实践中，患者通常需要等待四到六周，直到医生能够评估其对药物治疗的反应。这种延迟不仅增加了患者的痛苦，也带来了额外的经济负担。因此，尽早识别治疗反应具有重要的临床意义。本文提出了一种新颖的模式发现框架（Motif Discovery Framework, MDF），该框架能够从脑电图（EEG）时序数据中提取动态特征，从而区分抑郁症治疗中的响应者和非响应者。MDF能够在治疗开始后的第七天就预测治疗反应，显著缩短了患者的等待时间。此外，该框架在其他精神疾病（如精神分裂症、阿尔茨海默病和痴呆）的分类任务中也表现出良好的泛化能力。整体实验结果表

  来源：Neuroscience Informatics

  时间：2025-11-16

• 内侧颞叶癫痫的神经影像学特征：基于坐标的结构成像与静息态功能成像文献的元分析

  本研究通过整合多种神经影像学方法，系统分析了颞叶癫痫（Mesial Temporal Lobe Epilepsy, MTLE）的结构与功能异常特征，并首次实现了体素形态测量（VBM）与体素生理测量（VBP）的多模态元分析。研究采用坐标驱动元分析方法（Coordinate-Based Meta-Analysis, CBMA），结合改变可能性估计（Alteration Likelihood Estimation, ALE）技术，在 Talairach 和 MNI 坐标系下，筛选出具有空间一致性的脑区异常。研究涵盖36项元分析，包括结构萎缩与代谢/功能异常的对比分析，以及不同侧向化的亚组比较，最终构

  来源：NeuroImage

  时间：2025-11-16

• 基于曲率感知的选择性特征交互网络在皮肤病变分割中的应用

  皮肤病变分割是医学图像分析中的一个重要课题，随着皮肤疾病发病率的上升，这一技术在临床诊断中的应用价值愈发凸显。皮肤病变的准确分割不仅有助于医生更好地理解病变区域的形态特征，还为后续的病理分析和治疗方案制定提供了坚实的基础。尽管近年来基于深度学习的分割方法取得了显著进展，但在实际应用中仍然面临两个关键挑战：一是编码器-解码器架构中语义鸿沟导致的特征交互不足；二是多尺度特征融合过程中可能引入冗余信息，从而影响分割的精度和效率。为了解决这些问题，本文提出了一种名为Curvature-Aware Selective Feature Interaction Network（CASFI-Net）的新型网络

  来源：Neural Networks

  时间：2025-11-16

• RepAttn3D：通过时空增强重新参数化3D注意力机制以提升视频理解能力

  近年来，视频理解技术在多个应用领域中扮演着重要角色，包括机器人、体育分析以及人机交互等。随着深度学习的快速发展，研究者们逐渐从传统的手工特征提取方法，如3D SIFT和HOG3D，转向基于卷积神经网络（CNN）的模型，如C3D和TSM。这些方法在视频识别任务中取得了一定的成果，但它们在建模全局信息方面存在一定的局限性。相比之下，Transformer架构在自然语言处理（NLP）领域表现出卓越的性能，因此研究者们开始探索如何将其应用于视频理解任务中。视频理解任务通常需要对视频中的时空信息进行建模，这使得传统的2D注意力机制难以满足需求。因此，许多近期的视频Transformer模型采用了3D注意

  来源：Neural Networks

  时间：2025-11-16

• 基于循环自适应对抗迁移网络的跨主题情感识别

  情绪识别技术在现实生活中的应用前景广阔，特别是在构建情感脑机接口（aBCI）方面。随着可穿戴式脑电图（EEG）采集设备的普及，EEG信号因其高时间分辨率和客观性，近年来被广泛应用于情绪识别领域。然而，不同个体之间在情绪相关EEG信号上存在显著的差异性，这种差异性主要来源于个体脑结构、功能以及情绪表达方式的不同。因此，基于特定个体数据的情绪识别模型难以满足复杂且多变的实际应用场景，其模型的鲁棒性也面临严峻挑战。为了克服这一问题，研究人员一直在探索如何构建具有广泛泛化能力的跨个体情绪识别模型。传统的跨个体情绪识别算法在处理数据分布差异方面存在局限性，例如在面对复杂的多模态数据结构时，可能无法准确提

  来源：Neural Networks

  时间：2025-11-16

• 多任务学习的双重平衡机制

  多任务学习是一种旨在同时学习多个相关任务的机器学习范式，它在许多领域中都取得了显著的成功。然而，由于各个任务在损失和梯度尺度上的差异，往往会导致性能上的妥协，而如何平衡这些任务仍然是一个重要的挑战。本文提出了一种名为Dual-Balancing Multi-Task Learning（DB-MTL）的新方法，该方法从损失和梯度两个层面实现任务的平衡。具体而言，DB-MTL通过在每个任务的损失上进行对数变换，以达到损失尺度的平衡；同时，通过将所有任务的梯度归一化到相同的幅度，使用最大梯度范数作为基准，从而实现梯度幅度的平衡。大量的实验表明，DB-MTL在多个基准数据集上表现优于当前最先进的方法。

  来源：Neural Networks

  时间：2025-11-16

• 图因果表示学习在离分布泛化中的应用

  本文提出了一种新的方法，用于改进文本中的情绪识别任务，即分类情绪检测（CED）。该方法的核心思想是通过引入视觉信息来增强情绪检测的准确性，从而弥补传统方法在设计任务高效提示方面的不足。研究者认为，人类的情绪感知是跨模态的，这意味着在理解情绪时，无论是通过文字还是图像，大脑的某些区域会被激活。因此，通过将情绪相关的视觉信息融入文本描述中，可以更有效地捕捉情绪特征，提高情绪识别的性能。在当前的研究中，CED任务已经被广泛探讨，研究者提出了多种传统情绪检测器以及近年来基于深度神经网络（DNN）的方法。传统的情绪检测器主要依赖于情感词典等情感资源，通过分析文本中的词汇来识别情绪类别。然而，这种方法往往

  来源：Neural Networks

  时间：2025-11-16

• 通过语义细化和修剪优化嵌套命名实体识别的边界动态

  在自然语言处理领域，命名实体识别（NER）是一项基础而关键的任务，它旨在从文本中提取具有特定语义类型的实体，如人名（PER）、地点（LOC）和地理政治实体（GPE）。随着语言数据的复杂性不断上升，传统NER方法在处理嵌套结构时逐渐暴露出其局限性。嵌套实体识别（Nested NER）正是针对这一挑战而提出的一种高级形式，它要求模型不仅能够识别出普通实体，还需要处理那些嵌套在其他实体内部的复杂结构。当前，大多数NER系统主要专注于识别非嵌套、或称为扁平结构的实体。这些系统通常采用序列标注模型，如条件随机场（CRF）或长短期记忆网络（LSTM），它们在处理简单文本时表现良好。然而，自然语言中广泛存在

  来源：Neural Networks

  时间：2025-11-16

• 1H-MR光谱生物标志物与阿尔茨海默病（AD）早期阶段血浆中的β-淀粉样蛋白和tau蛋白生物标志物相关

  这项研究旨在探讨阿尔茨海默病（AD）相关的血浆生物标志物与体内质子磁共振波谱（¹H-MRS）所测得的神经化学标志物之间的关系，以及这些标志物与认知功能之间的联系。研究对象包括来自梅奥诊所衰老研究（Mayo Clinic Study of Aging, MCSA）的55名老年参与者，其中40名认知正常（CU），15名轻度认知障碍（MCI）。研究者利用3T磁共振设备，在后扣带回皮层（PCG）和左海马体（LH）区域进行单体素¹H-MRS检测，并同时收集血浆样本以分析Aβ42/40、磷酸化tau蛋白（p-tau181）以及p-tau181/Aβ42比值等指标。研究采用部分斯皮尔曼相关分析（rho, ρ

  来源：Neurobiology of Aging

  时间：2025-11-16

• 童年时期的虐待会改变社区居住的成年人年龄与神经认知健康指标之间的关系

  安娜·D·斯塔mps|娜迪亚·布努阿|娜奥米·萨德特拉华大学心理与脑科学系摘要为了进一步了解童年虐待（CM）是否与认知老化加速的指标有关，本研究调查了童年虐待是否调节了21-55岁社区成年人的年龄与灰质体积（GMV）和执行功能之间的关系。参与者（N=225）接受了MRI扫描，并通过抑制控制、转换能力和工作记忆等指标计算出了执行功能的综合得分（Miyake等人，2000年）。为了解释交互作用，我们将参与者分为高（第66百分位）和低（第33百分位）童年虐待暴露组，分别考察了每组中年龄对GMV和执行功能的影响。顶点皮层分析显示，在两个右前额叶皮层区域（前中额回和上额回），低程度童年虐待情况下年龄与G

  来源：Neurobiology of Aging

  时间：2025-11-16

• 在多元队列中，认知健康人群与轻度认知障碍人群的抑郁症状及血浆AT(N)生物标志物水平

  克里斯蒂娜·S·丁蒂卡（Christina S. Dintica）| 莱·约翰逊（Leigh Johnson）| 梅丽莎·彼得森（Melissa Petersen）| 西德·奥布莱恩特（Sid O’Bryant）| 克里斯汀·亚菲（Kristine Yaffe）美国加利福尼亚州旧金山加州大学（University of California, San Francisco, CA, USA）摘要抑郁症是痴呆症和轻度认知障碍（MCI）的已知风险因素，但其与淀粉样蛋白-β42/40（Aβ42/40）、磷酸化tau（p-tau181）和神经丝轻链（NfL）等生物标志物的关联仍不一致，且可能因认知状态而

  来源：Neurobiology of Aging

  时间：2025-11-16

• 结合统一关系建模与遮蔽外观学习的视觉跟踪技术

  Xiaomei Gong|Yi Zhang|Yanli Liu四川大学计算机科学系，成都，610065，四川，中国摘要近年来，基于Transformer的跟踪框架在视觉跟踪领域取得了巨大成功。然而，无论是双流架构还是一流架构，由于其结构特性都存在一些固有的缺陷。针对这一问题，本文提出了一种新颖且有效的视觉跟踪器（称为RMATrack）。首先，我们开发了一种统一的关系建模方案，以实现模板与搜索图像之间的灵活关系计算。该方案能够以可学习的方式选择搜索图像中的显著区域，并根据对象的状态（大小、形状、是否消失）计算模板与搜索图像之间的交叉关系。同时，我们还提出了一种目标感知的表示学习方法来提取特定于目

  来源：Neural Networks

  时间：2025-11-16

• BitScaling：通过预测性多尺度增长实现混合精度神经网络压缩的优化

  在人工智能技术快速发展的背景下，深度神经网络（DNN）已经成为解决复杂任务的核心工具。然而，随着应用场景的多样化，特别是在资源受限的边缘设备上，如何在保证模型性能的同时，实现高效压缩，成为了一个亟待解决的问题。传统的模型压缩方法通常集中在减少模型规模或降低数值精度两个方向，但单一策略往往难以在压缩效率与模型性能之间取得最佳平衡。近年来，研究者们开始探索联合优化模型规模与量化精度的方法，即通过同时调整网络结构和量化参数，以期在资源约束下实现更优的模型表现。尽管这种方法具有显著潜力，但其面临的挑战主要体现在搜索空间的复杂性和计算成本的高昂上，使得现有方法在实际应用中难以推广。为了解决上述问题，本文

  来源：Neural Networks

  时间：2025-11-16

• 通过物理散焦建模和多视图几何监督实现深度一致的三维高斯散布

  邓宇|赵宝珠|苏俊彦|张晓涵|刘琦华南理工大学未来技术系，广州，511400，中国摘要在深度变化极大的场景中进行三维重建仍然具有挑战性，因为近场和远场区域之间的监督信号不一致。现有方法无法同时解决远场区域的深度估计不准确和近场区域的图像质量下降问题。本文提出了一种新的计算框架，该框架结合了景深监督和多视图一致性监督，以改进3D高斯散射算法。我们的方法包括两个核心组成部分：（1）景深监督使用尺度恢复的单目深度估计器（例如Metric3D）生成深度先验，利用散焦卷积合成物理上准确的散焦图像，并通过一种新的景深损失函数来强制几何一致性，从而提高远场和近场区域的深度保真度；（2）多视图一致性监督使用基

  来源：Neural Networks

  时间：2025-11-16

• PSL：用于解决模态不平衡问题的原型交换学习方法

  在当前的数据处理与人工智能领域，多模态学习（Multimodal Learning, MML）正逐渐成为研究热点。多模态学习的核心思想是通过融合多种数据形式（如文本、图像、音频等），提取更全面、更具表现力的特征表示，从而在实际任务中取得更好的效果。与单模态学习相比，多模态学习能够更好地捕捉现实世界的复杂性，因为不同模态的数据往往能够互补，提供单一模态无法表达的信息。例如，在情感分析中，语音的语调与面部表情可以共同揭示个体的情绪状态，而仅依赖文本或语音则可能遗漏某些关键信息。然而，尽管多模态学习展现出巨大的潜力，其在实际应用中仍面临一些挑战，其中最突出的问题之一便是模态不平衡（modality

  来源：Neural Networks

  时间：2025-11-16

• LBMS-SAM：基于Segment Anything Model的锂离子电池材料SEM图像分割方法

  在锂离子电池的生产过程中，材料的质量直接关系到电池的性能与安全性。随着电动汽车行业的快速发展，锂离子电池作为核心动力来源，其重要性日益凸显。因此，对锂离子电池材料进行高效、精准的质量检测成为提升电池整体表现和保障使用安全的关键环节。目前，许多企业主要依赖人工标注的方式来完成这一任务，然而这种方式存在诸多问题，如操作繁琐、主观性强、效率低下，难以满足大规模生产的需求。面对上述挑战，研究人员开始探索利用人工智能技术替代传统的人工标注方式。特别是在图像分割领域，深度学习方法因其强大的特征提取能力和自动化的处理流程，逐渐成为解决此类问题的首选方案。因此，将锂离子电池材料的质量检测任务转化为基于扫描电子

  来源：Neural Networks

  时间：2025-11-16

• 妊娠早期母亲缺铁对新生儿铁状况及两岁时神经发育的影响：一项前瞻性母婴队列研究

  ### 铁缺乏对母婴健康的影响铁是人体必需的微量元素之一，对胎儿和婴幼儿的健康发育至关重要。在怀孕期间，女性的铁需求显著增加，主要是为了支持胎儿和胎盘的发育，同时维持自身的铁平衡。然而，许多孕妇在怀孕初期的铁储备并不理想，这使得她们更容易出现铁缺乏。铁缺乏不仅影响母亲的身体健康，还可能对胎儿的发育产生深远影响。特别是在怀孕早期，即使没有贫血，铁缺乏也可能导致新生儿铁储备不足，并进一步影响其神经发育。这项研究探讨了怀孕早期的铁缺乏对新生儿铁状态以及2岁儿童神经发育的影响，强调了在怀孕早期进行铁缺乏筛查的重要性，即使在资源丰富的环境中也是如此。### 研究背景与目的铁缺乏在怀孕期间是一个普遍的问题

  来源：The Journal of Nutrition

  时间：2025-11-16

• 利用分枝菌酸和结核硬脂酸并通过先进质谱技术提高结核性脑膜炎的诊断准确性

  本研究聚焦于结核性脑膜炎（TBM）的诊断挑战，特别是在医疗资源有限的地区。TBM作为结核病的一种严重形式，不仅在临床表现上具有高度的非特异性，而且其确诊过程也较为复杂。传统方法如抗酸杆菌（AFB）涂片、培养和核酸扩增技术（NAATs）在TBM的诊断中存在局限性，尤其是在细菌载量较低的情况下，这些方法的敏感性和特异性往往无法满足实际需求。因此，寻找更为高效、准确的诊断工具成为当前研究的重要方向。本研究通过评估脑脊液（CSF）中的两种脂质生物标志物——长链α-支链β-羟基脂肪酸（mycolic acid，MA）和结核性脑膜炎特异性脂肪酸（tuberculostearic acid，TBSA）的诊断

  来源：Journal of Neurorestoratology

  时间：2025-11-16

• 立体定向放射外科作为散发性血管母细胞瘤的辅助或挽救性治疗：一项多中心国际研究

  Salem M. Tos|S. Farzad Maroufi|Bardia Hajikarimloo|Ahmed Shaaban|Georgios Mantziaris|Duy Pham|Sam Dayawansa|Ahmed M. Nabeel|Wael A. Reda|Sameh R. Tawadros|Khaled AbdelKarim|Amr M.N. El-Shehaby|Reem M. Emad|Zhishuo Wei|Lindsay M. McKendrick|Ajay Niranjan|L. Dade Lunsford|Selcuk Peker|Yavuz Samanci|Ro

  来源：Journal of Neurorestoratology

  时间：2025-11-16

• 磁共振引导下聚焦超声治疗原发性震颤后震颤、焦虑和抑郁症状的变化：一项为期一年的前瞻性研究及预测因素分析

  阿丽莎·希兰巴（Alyssa Shiramba）| 史蒂文·莱恩（Steven Lane）| 卢克·安德鲁斯（Luke Andrews）| 维沙尔·帕特尔（Vishal Patel）| 希拉里·谢泼德（Hilary Shepherd）| 迪内什·达莫达兰（Dinesh Damodaran）| 拉杰沙·斯里尼瓦萨亚（Rajesha Srinivasaiah）| 马克·拉东（Mark Radon）| 杰伊·帕尼克尔（Jay Panicker）| 吉布里尔·奥斯曼-法拉（Jibril Osman-Farah）| 安东内拉·马切罗洛（Antonella Macerollo）英国利物浦大学医学院摘要背景

  来源：Journal of Neurorestoratology

  时间：2025-11-16

知名企业招聘：