• 原因不明的栓塞性卒中中的心脏上动脉粥样硬化病变：预测卒中复发并优化二级预防策略

  在本研究中，科学家们对韩国19家卒中中心收集的现实世界数据进行了回顾性分析，以探讨未明原因栓塞性卒中（ESUS）患者的基线特征、诊断实践和二级预防策略的变化趋势，并识别与卒中复发相关的血流动力学因素及心脏以外的动脉粥样硬化病变。这项研究为ESUS的病因探索和预防策略提供了新的视角，尤其是在没有中等风险心脏栓塞源的患者中，发现心脏外动脉粥样硬化病变与卒中复发之间存在显著联系。ESUS是一种非腔隙性脑梗死，且在常规检查中未发现显著的近端动脉狭窄（狭窄程度≥50%）或高风险心脏栓塞源。这类卒中通常被认为是“隐源性”卒中，但近年来的研究表明，它可能与多种因素有关，包括心脏源性栓塞（如阵发性心房颤动）和

  来源：Stroke: Vascular and Interventional Neurology

  时间：2025-11-13

• 核受体亚家族4 A组成员1通过过氧化物酶体增殖激活受体γ共激活因子1α/核呼吸因子1/转录因子A线粒体轴抑制线粒体功能，从而加剧心脏重塑

  心脏衰竭（Heart Failure, HF）是许多心血管疾病发展的终末阶段，其特征包括心脏结构、功能和代谢的显著改变。随着全球范围内心脏衰竭的发病率持续上升，其病死率也在逐步增加，这使得深入研究心脏衰竭的潜在机制成为改善患者预后的重要课题。心脏肥大在心脏衰竭和病理心脏重塑过程中发挥着关键作用，常伴随心脏功能障碍、心肌纤维化和线粒体功能障碍等病理变化。尽管近年来在医学管理和循证治疗方面取得了进展，但多数干预措施主要集中在缓解症状上，未能从根本上逆转疾病进程。因此，探索心脏肥大和心脏衰竭的机制对于开发新的治疗策略具有重要意义。线粒体功能障碍是心脏衰竭发展过程中的一个核心病理特征，其不仅影响心脏的

  来源：Stroke: Vascular and Interventional Neurology

  时间：2025-11-13

• 中年及老年人代谢综合征评分的动态变化与新发中风风险：一项与中国预防医学、个性化医疗理念相契合的全国性前瞻性队列研究

  代谢综合征（MetS）是一种由多种相互关联的代谢异常组成的综合症，包括腹部肥胖、高血压、高血糖、高脂血症以及高甘油三酯等。它在临床中具有重要意义，尤其是在中老年人群中，与脑卒中发生密切相关。随着生活方式的变化，MetS的患病率持续上升，已成为全球范围内的重大公共卫生问题。据估计，全球约有14%至30%的人群患有MetS，这使得它成为导致脑卒中的重要危险因素之一。本研究旨在探讨MetS及其动态变化对脑卒中发生的影响，提供新的理论见解和临床指导，用于中老年群体的早期预防和干预。此外，研究还开发并验证了一种基于MetS评分和相关临床特征的机器学习预测模型，以评估新的脑卒中风险。研究数据来源于CHAR

  来源：Stroke: Vascular and Interventional Neurology

  时间：2025-11-13

• 代谢脆弱性指数与动脉粥样硬化发生率：一项来自英国生物银行的前瞻性队列研究

  这项研究聚焦于动脉粥样硬化这一导致大多数心血管疾病的重要病理基础，并探讨了一种新的代谢脆弱性指数（MVX）在预测动脉粥样硬化发生方面的潜力。动脉粥样硬化是一种慢性炎症性动脉疾病，其特征是富含脂质的斑块在血管壁中形成，是全球范围内导致约1790万死亡的主要原因之一。尽管在预防和治疗策略方面取得了显著进展，但动脉粥样硬化仍然是全球死亡的主要原因，凸显了改进风险预测和早期干预措施的迫切需求。研究发现，传统的风险因素如高血压、血脂异常、糖尿病和吸烟等，仅能解释大约50%至60%的动脉粥样硬化负担，这一“风险缺口”表明有必要识别新的生物标志物和综合评估工具，以提高风险分层的准确性。近年来，高通量代谢组学

  来源：Stroke: Vascular and Interventional Neurology

  时间：2025-11-13

• 心肌炎相关的心源性休克：一项全国多中心研究

  心血管疾病在现代医学中是一个重要的研究领域，尤其是那些由特定病因引发的严重状况，如心肌炎相关的心源性休克。这项研究基于美国全国性的临床数据库，对患有心源性休克的患者进行了大规模回顾性分析，揭示了心肌炎在这些患者中的发生率及其对临床预后的影响。通过详细的数据收集和统计分析，研究人员希望为这一特定亚组患者提供更深入的了解，并为未来的治疗策略提供依据。心肌炎是一种心脏肌肉的炎症性疾病，通常由病毒感染引起，但也可能与自身免疫性疾病或某些药物的使用有关。在本研究中，研究人员发现，在2015年至2023年间，共有621,695名心源性休克患者被纳入分析，其中仅2,925人（0.5%）被诊断为心肌炎。这一比

  来源：Stroke: Vascular and Interventional Neurology

  时间：2025-11-13

• 新型小鼠支架内新生动脉粥样硬化模型的建立

  在现代医学中，冠状动脉疾病仍然是全球范围内导致发病率和死亡率居高不下的主要原因之一。该疾病通常表现为冠状动脉的狭窄或阻塞，这会妨碍心脏肌肉的血液供应，进而引发心肌梗死等严重后果。为了应对这一挑战，心脏科医生常常采用冠状动脉支架植入术来重新打开被动脉粥样硬化阻塞的血管，从而恢复心脏的血液流动。然而，支架植入后，一种称为“支架内新发动脉粥样硬化”（in-stent neoatherosclerosis）的并发症逐渐显现，成为影响患者预后的重要因素。“支架内新发动脉粥样硬化”与传统的动脉粥样硬化（de novo atherosclerosis）有相似之处，但其发展速度更快，通常在支架植入后的1至5年

  来源：Stroke: Vascular and Interventional Neurology

  时间：2025-11-13

• 儿童期高磷摄入对成年后儿茶酚胺能活性的长期影响：一项基于生物标志物的前瞻性队列研究

  在现代饮食中，磷的摄入量随着加工食品消费的增加而显著上升。已有动物实验和短期人体研究表明，高磷酸盐摄入可能刺激儿茶酚胺分泌，但长期习惯性高磷饮食对人类交感-肾上腺髓质系统的持续性影响尚不明确。尤其令人关注的是，儿童期和青春期作为生长发育的关键阶段，此时的营养暴露是否会对成年后的神经内分泌功能产生长期影响，这一科学问题亟待解答。为了解决这一知识空白，由Thomas Remer教授领导的研究团队在《Hormones-International Journal of Endocrinology and Metabolism》上发表了一项创新性研究，他们利用德国多特蒙德营养与人体测量长期设计研究的独特

  来源：Hormones-International Journal of Endocrinology and Metabolism

  时间：2025-11-13

• 应对策略在甘肃省传染病监测医疗机构中医生工作满意度与职业倦怠之间的中介作用，以及神经质人格的调节作用

  在当前全球公共健康事件频发的背景下，医疗工作者尤其是传染病科医生，承担着巨大的工作压力与心理负担。这些医生不仅要在高风险环境中持续接触病原体，还要应对高强度的工作节奏和复杂的医患关系，这些因素都可能对他们的职业心理健康产生深远影响。为了深入理解这一群体的心理状态，研究者们关注了几个关键变量：职业满意度、应对方式以及情绪耗竭等与职业倦怠相关的表现。通过分析这些变量之间的关系，可以为改善传染病科医生的心理健康状况和职业环境提供科学依据。本研究以甘肃省传染病哨点医疗机构的8071名医生为调查对象，采用横断面调查方法，结合多种标准化心理评估工具，系统探讨了职业满意度与职业倦怠之间的关系，并分析了应对方

  来源：Frontiers in Public Health

  时间：2025-11-13

• 物质使用和赌博成瘾障碍中的言语记忆功能障碍：表现准确性与错误类型的比较分析

  本研究旨在探讨不同类型的物质使用障碍（SUD）和赌博障碍（GD）个体在即时和延迟言语记忆任务中的表现，以及他们是否表现出特定的记忆错误模式。通过使用一种数字化的神经认知评估工具，研究团队对515名参与者进行了分析，其中包括患有刺激物使用障碍、酒精使用障碍、大麻使用障碍或赌博障碍的患者，以及健康对照组。研究结果揭示了不同障碍类型在记忆功能上的差异，特别是对言语记忆的准确性和错误类型的分析，为临床诊断和干预策略提供了新的视角。### 研究背景随着对成瘾的认识不断深入，越来越多的证据表明，成瘾不仅是一种冲动控制和奖励调节障碍，还涉及核心认知过程的改变，包括学习和记忆。这些认知功能的紊乱可能表现为对与

  来源：Frontiers in Psychology

  时间：2025-11-13

• 从电路到系统：协同设计高效的人工智能硬件

  摘要：编者按：作者探讨了电路创新与系统架构的相互促进发展，这一发展推动了人工智能（AI）的进步——从早期的神经形态电路到如今的以内存为中心的加速器。他们回顾了诸如“处理在内存中”（Processing-in-Memory, PIM）、图形处理器（GPUs）和收缩阵列（systolic arrays）等重要里程碑，并讨论了大型语言模型带来的新兴挑战。——Jörg Henkel，IEEE CEDA出版副总裁 —L. Miguel Silveira，IEEE CEDA主席 神经形态电路20世纪80年代，随着学习算法的进步以及对高效实现人工神经网络（ANNs）所需架构要求的更深入理解，人们对神经网络

  来源：IEEE Design & Test

  时间：2025-11-13

• NADA-SynShapes：面向概率深度学习模型基准测试的合成几何形状数据集

  在当前人工智能技术快速发展的浪潮中，深度学习模型已广泛应用于自动驾驶、医疗诊断等高风险领域。然而，这些模型的可靠性高度依赖于其不确定性量化能力——即模型能否准确评估预测结果的可信度。尽管基于贝叶斯推理的概率深度学习模型被视为实现可靠人工智能的关键技术，但学术界长期缺乏系统化、标准化的基准测试数据集。现有公开数据集（如ImageNet、MNIST）虽被广泛使用，却因对潜在变量分布控制不足或过度简化，难以满足概率模型评估的严格要求。这一瓶颈严重阻碍了不确定性感知技术的创新与比较。为解决这一难题，来自意大利国家研究委员会信息科学与技术研究所的Giulio Del Corso、Claudia Caud

  来源：IEEE Data Descriptions

  时间：2025-11-13

• 基于多阈值事件视觉的交叉路口行人车辆检测数据集(EBCD)构建与性能基准分析

  当我们谈论自动驾驶和智能交通系统时，实时准确地检测行人车辆是核心挑战。传统相机像一位勤恳的摄影师，不断拍摄完整画面，但这种方式在高速动态场景中显得笨重——它产生大量冗余数据，消耗巨大算力，在光照剧烈变化时容易"失明"。事件相机(Dynamic Vision Sensor, DVS)的诞生带来了革命性突破，它模仿生物视觉系统，仅捕捉像素亮度变化，像一位敏锐的侦探只记录关键线索，实现了微秒级响应、低功耗和强抗干扰能力。然而，这位"侦探"有个棘手问题：如何设定触发记录的灵敏度阈值？阈值太低，连树叶晃动都会触发记录，形成信息噪音；阈值太高，又可能错过重要目标特征。现有事件数据集大多采用固定阈值，就像给

  来源：IEEE Data Descriptions

  时间：2025-11-13

• 基于GhostNet轻量化YOLOv7的电商仓储异常行为实时检测技术研究

  随着电商行业的迅猛发展，仓储物流环节的安全管理已成为影响企业经济效益的关键因素。复杂的仓库环境中，人员异常行为（如违规搬运、物品窃取等）不仅导致直接经济损失，更会严重影响企业运营效率。传统监控系统依赖人工巡查，难以实现全天候精准预警，而现有基于深度学习的检测模型往往存在计算复杂度高、实时性差等问题，无法满足实际场景需求。为解决这一技术瓶颈，福州工商学院陈娥香团队在《Journal of Cyber Security and Mobility》发表研究，提出一种基于GhostNet优化的YOLOv7轻量化检测模型。该研究通过重构特征提取模块，在保持检测精度的同时大幅提升推理速度，为电商仓储安全防

  来源：Journal of Cyber Security and Mobility

  时间：2025-11-13

• 基于网络控制理论与排序编码的图神经网络特征构造方法及其在社会网络分类中的应用

  在当今数据驱动的社会中，社会网络分析已成为理解信息传播、群体行为和社会动态的关键工具。图神经网络（GNN）作为处理图结构数据的强大工具，通过学习节点及其邻居之间的复杂关系，在社交网络分类、推荐系统和生物信息学等领域展现出巨大潜力。然而，GNN的性能高度依赖于节点特征的表达性。在实际应用中，尤其是在社会网络中，节点特征往往由于隐私限制或固有属性的缺失而不可用，这严重限制了GNN的性能。传统的解决方案，如使用节点度数的独热编码，虽然简单，但往往产生高维稀疏表示，特别是在幂律网络中，导致计算复杂度增加和性能下降。此外，独热编码仅限于离散值，无法很好地泛化到连续值的结构度量。这些挑战凸显了需要一种更表

  来源：IEEE Open Journal of Control Systems

  时间：2025-11-13

• 基于机器学习的非线性系统参考调速器及其在汽车燃料电池中的应用

  摘要：基于预测的非线性参考调节器（PRG）是一种附加算法，用于通过对参考信号进行必要的修改来约束预稳定的非线性系统。PRG的实现具有较大的计算负担，因为它可能需要在每个采样时间对植物模型进行多次数值模拟。为此，本文提出了一种基于机器学习的方法：首先使用回归神经网络（NN）根据一组训练数据近似PRG的输入输出映射。在实时运行过程中，每个采样时间我们使用训练好的NN来计算一个标称参考指令，但由于训练误差和数据限制，该指令可能不符合约束要求。我们采用了一种基于灵敏度的新型方法来最小化标称参考值的调整，同时确保约束得到满足。因此，我们将这种控制策略称为改进型NN参考调节器（MNN-RG），其在计算上比

  来源：IEEE Transactions on Control Systems Technology

  时间：2025-11-13

• AIL-DNN：基于自适应增量学习的集成电路互连寄生电容建模

  摘要：准确提取互连寄生电容是设计VLSI电路的关键问题。为了提高寄生电容提取的效率，本文提出了一种自适应增量学习（AIL）策略来构建寄生电容提取模型。所提出的模型是一种使用自适应增量学习训练的深度神经网络（DNN），即AIL-DNN。其主要思想如下：首先，将参数空间划分为多个子空间，称为区域；然后通过拉丁超立方采样（LHS）收集少量训练样本和测试数据；接着训练并测试DNN模型，根据测试数据的平均相对误差确定预测误差较大的区域，这些区域被称为训练无效区域；随后根据无效区域调整采样密度，即通过自适应重采样准备新的训练数据集；最后利用增量学习（IL）使DNN训练新样本并更新网络。这一自适应重采样、训

  来源：IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems

  时间：2025-11-13

• 基于深度学习与多模态大语言模型的众包视频近距碰撞检测研究

  在道路交通安全的战场上，真正引起人们警觉的往往是血淋淋的交通事故。然而，在每起重大事故背后，可能隐藏着成百上千次侥幸避免的“近距碰撞”事件——这些看似微不足道的危险瞬间，恰如冰山潜藏的部分，蕴含着预防事故的关键信息。遗憾的是，传统交通安全研究过度聚焦于已成事实的碰撞事件，而对更具预警价值的近距碰撞事件缺乏有效检测手段。随着行车记录仪的普及，海量众包视频数据为这一难题提供了新的解决思路，但如何从动态、复杂的视频流中精准识别近距碰撞事件，并提取可解释的安全特征，仍是亟待突破的技术瓶颈。发表于《IEEE Open Journal of the Computer Society》的这项研究，开创性地将

  来源：IEEE Open Journal of the Computer Society

  时间：2025-11-13

• 神经网络基准测试的统计有效性研究：一种基于贝叶斯可信区间的评估框架

  在人工智能飞速发展的今天，神经网络已成为图像识别、自然语言处理等领域的核心工具。各类新模型层出不穷，研究者们往往宣称其设计在准确率或效率上实现了"显著提升"。然而仔细审视这些宣称时会发现，所谓的提升可能仅仅是百分之几甚至更小的差异。更令人担忧的是，当前的基准测试方法存在严重缺陷——不同研究使用的评估指标五花八门，包括召回率、五次运行的最佳值、五次运行的中位数、Top-1、Top-5、BLEU、ROC、RMS等，这些指标背后隐含地假设了可比的数据分布，却完全缺乏统计有效性的验证。这种基准测试的混乱状况导致了研究者自由度（Researcher Degrees of Freedom, RDF）问题—

  来源：IEEE Open Journal of the Computer Society

  时间：2025-11-13

• 基于协议驱动动态集成的高精度深度图像分类器校准新方法

  当深度神经网络在自动驾驶、医疗诊断和遥感监测等关键领域扮演越来越重要的角色时，一个令人担忧的现象逐渐浮现：这些高度复杂的模型虽然在某些任务上表现出惊人的准确率，但它们对自己预测结果的可信度评估却往往与实际情况相去甚远。这就好比一位经验丰富的医生，虽然诊断正确率很高，但对自己判断的把握程度却总是估计不准——这种"过度自信"或"信心不足"的问题，在真实世界的高风险应用中可能带来严重后果。在卫星图像分析领域，这一问题尤为突出。由于传感器差异、分辨率变化、采集区域不同以及环境因素影响，遥感数据呈现出极大的变异性，这对分类模型的可靠性提出了更高要求。传统深度神经网络往往在准确率和校准度之间存在此消彼长的

  来源：IEEE Open Journal of the Computer Society

  时间：2025-11-13

• 基于BiLSTM-注意力机制与关键句子提取的新闻主题分类框架研究

  在智能设备普及和技术进步的推动下，人们获取信息变得前所未有的便捷，但海量内容的分类整理却日益困难。每天产生的新闻、博客、社交媒体帖子等文本数据如潮水般涌来，如何快速准确地对这些信息进行主题归类，成为当前自然语言处理(NLP)领域亟待解决的挑战。传统的文本分类方法面临诸多难题：文本长度差异巨大，从简短的推文到长篇的临床文档；数据稀疏性和内存过载问题突出；现有算法计算强度大，难以在普通计算机上运行；可用数据集覆盖主题有限，导致模型泛化能力不足。针对这些挑战，意大利卡利亚大学的研究团队在《IEEE Open Journal of the Computer Society》上发表了一项创新研究，提出了

  来源：IEEE Open Journal of the Computer Society

  时间：2025-11-13

知名企业招聘：