当前位置:首页 > 今日动态 > 科研动态/国外
  • 全球旱地农田临时淹水驱动的温室气体排放:被忽视的农业碳氮通量源解析

    摘要:临时淹水旱地农田(upland croplands)的扩散性温室气体排放在全球温室气体收支中仍缺乏系统表征。研究人员联合华北平原11个临时淹水玉米田原位观测与覆盖23个全球淹水旱地农田站点的文献整合,定量了N2O、CO2与CH4的扩散通量。淹水农田释放高

    来源:Advanced Science

    时间:2026-10-28

  • 融合组织病理全切片图像与临床变量的可解释多模态深度学习模型在结直肠癌术后生存预后预测中的多中心研究

    准确的预后评估对结直肠癌(CRC)个体化患者的个体化诊疗至关重要,而现有模型在准确性与可解释性方面仍有待提升。研究人员开展了一项多中心队列研究,纳入三家医疗中心共3381例接受根治性切除的CRC患者,构建并验证一种融合临床变量与苏木精-伊红(H&E)染

    来源:Advanced Science

    时间:2026-10-28

  • 预聚合实现按需粘度调控用于软水凝胶Xolography体积增材制造

    Xolography通过无接触体积增材制造(VAM)将物体悬浮于粘性树脂中固化,避免了层积式打印中构建平台与剪切力对软材料的扭曲。然而,水凝胶等低粘度树脂在打印时易发生沉降,而常规增稠剂可能损害最终材料性能。研究人员报道了一种原位预聚合策略,在不改变基础树脂组

    来源:Advanced Science

    时间:2026-10-28

  • STING/Ⅰ型干扰素信号通路激活在骨髓炎中的多模式治疗作用及机制解析

    骨髓炎是一种由病原微生物引起的炎性骨病,以剧烈疼痛、广泛骨破坏和局部脓肿形成导致抗生素疗效降低为特征。本研究探讨了激活STING(干扰素基因刺激因子)通路在骨髓炎中的治疗潜力。在金黄色葡萄球菌(Staphylococcus aureus, S. aureus)

    来源:Advanced Science

    时间:2026-10-28

  • 梯度氧化细菌纤维素用于自持续土壤湿度传感

    土壤湿度监测对精准农业灌溉至关重要。传统土壤湿度传感器依赖外部电源,且环境相容性较差。目前,具有非对称薄膜结构的水伏(hydrovoltaic)器件制备仍面临挑战,且针对土壤场景的相关设计尚不充分。本研究报道了一种原位生长的平面非对称封装细菌纤维素(asymm

    来源:Advanced Science

    时间:2026-10-28

  • 甲醇调控界面聚合构建含氟聚酰胺膜实现快速液态烃分离

    界面聚合聚酰胺膜已革新工业海水淡化,但其本征极性网络难以适用于非极性液态烃中的分子分离。研究人员通过将疏水性三氟甲基取代二胺引入经典聚酰胺化学,并引入甲醇作为共溶剂,克服了含氟单体水溶性受限问题,同时调控界面聚合过程。系统研究表明,甲醇介导的界面反应动力学与氟

    来源:Advanced Science

    时间:2026-10-28

  • 真实世界急诊科骨折检测中AI辅助放射技师判读的前瞻性研究:高基线准确率下的小幅选择性改善

    摘要用于骨折检测的人工智能(AI)系统在受控环境中表现强劲,但前瞻性的真实世界证据有限。在一个急诊科为期三个月的部署中,由放射技师主导的筛查项目中的13名放射技师独立解读了2496例连续的肌肉骨骼检查(每例检查由一名放射技师负责),审查了一个商业深度学习系统的输出,然后记录最终决

    来源:npj Digital Medicine

    时间:2026-10-28

  • FFA-RGNet:一种用于眼底荧光血管造影图像中可解释疾病诊断的时空图推理框架

    摘要眼底荧光血管造影(FFA)是诊断视网膜血管疾病的金标准。然而,与临床医生的推理过程和实际诊断工作流程相一致的可解释人工智能系统用于FFA图像分析仍然稀缺。在本研究中,我们引入了一个可解释的图推理框架FFA-RGNet,该框架明确模拟了连续FFA图像中病变的细粒度时间模式和空间

    来源:npj Digital Medicine

    时间:2026-10-28

  • SIRT1-LTBP2-TGF-β/PI3K-AKT轴:贲门胃腺癌EMT与5-FU化疗敏感性的新型翻译后调控机制

    贲门胃腺癌(CGA)是一种侵袭性强、发病率上升且预后差的恶性肿瘤,其发生部分由显著的分子异质性驱动。通过整合生物信息学与临床分析,研究人员鉴定出潜在转化生长因子β结合蛋白2(LTBP2)是一种关键异质性表达蛋白,其在CGA中较非贲门胃腺癌(NCGA)显著上调,

    来源:Oncogene

    时间:2026-10-28

  • BREST-AI:从阴性筛查乳腺X光片预测三年内乳腺癌风险的深度学习模型开发与验证

    摘要准确评估乳腺癌风险对于风险分层的筛查策略至关重要。我们开发了BREST-AI,这是一个基于深度学习的模型,可从阴性筛查乳腺X光片中预测三年内的乳腺癌风险。模型开发采用了课程学习策略,使用了65,419名女性的数据;该模型在58,591名女性上进行了训练(其中9020例癌症、1

    来源:npj Breast Cancer

    时间:2026-10-28


高级人才招聘专区
最新招聘信息:

知名企业招聘:

    • 国外动态
    • 国内进展
    • 医药/产业
    • 生态环保
    • 科普/健康