• “好医生”的社会建构：NF1成人患者对医生的期望

  1型神经纤维瘤病（NF1）是一种罕见的、由遗传决定的疾病，其特征是临床变异性、诊断不确定性以及对长期、多学科护理的需求。在此背景下，患者的经历不仅受生物医学因素影响，还受与医疗专业人员互动的塑造。本研究探讨了成人NF1患者如何根据其在医疗系统中的经历定义“好医

  来源：Journal of Community Genetics

  时间：2026-08-05

• 基于VIS-NIR高光谱成像和前馈神经网络的谷物基粉末系统中粗蛋白预测

  粗蛋白含量是谷物加工中的关键质量参数，然而传统参考方法如杜马斯燃烧法（Dumas combustion）是破坏性的且需要样品制备。高光谱成像（HSI）通过将宽带光谱采集与基于相机的成像相结合，扩展了传统点光谱学。本研究介绍了一个定制搭建的二维VIS/NIR H

  来源：Journal of Food Measurement and Characterization

  时间：2026-08-05

• 基于血液纳米流体混合对流积分建模与混合计算智能

  本研究提出一种集成计算框架，用于考察含氧化镁（MgO）纳米颗粒的血液基纳米流体在混合对流边界层中的流动、传热及速度分布。研究人员使用MATLAB编写单一程序，通过相似变换将控制偏微分方程（PDE）转化为常微分方程（ODE）组，随后采用bvp4c求解器进行数值求

  来源：Results in Chemistry

  时间：2026-08-05

• 基于动态-静态异构图神经网络与LSTM的多站点水位预测

  流域水位的准确预测对于洪水预警和水资源管理至关重要，但由于流域内复杂的水文气象过程，仍然具有挑战性。现有方法通常忽略站点类型之间的差异，并依赖静态空间结构，限制了捕捉动态水文关系的能力。为了解决这些问题，研究人员提出了一种集成动态-静态异构图神经网络与长短期记

  来源：Machine Learning with Applications

  时间：2026-08-05

• DAFN：一种面向文本数据分类的双注意力融合网络

  研究人员提出一种双注意力融合网络（Dual Attention Fusion Network, DAFN）用于文本数据分类。该框架采用双嵌入（dual embeddings）融合语义含义与情感相似性以降低稀疏性；并行双向门控循环单元（BiGRU）/双向长短期记

  来源：Knowledge-Based Systems

  时间：2026-08-05

• 综述：分娩后神经损伤，硬膜外镇痛的作用——一项范围综述的方案

  背景：硬膜外镇痛在分娩过程中被广泛使用，产后神经损伤是一种罕见但具有临床相关性的结局。分娩后的神经症状可能与产科或麻醉因素相关。不同研究在产后神经损伤的识别、定义、评估和随访方面差异显著，限制了研究结果的可比性和解释性。目的：系统梳理研究硬膜外镇痛后产后神经损

  来源：Acta Anaesthesiologica Scandinavica

  时间：2026-08-05

• 综述：微生物群-肠-脑轴：通信通路综合概览

  微生物群-肠-脑轴(MGBA)是一个动态的双向通信网络，它整合了微生物、神经、内分泌和免疫信号，以调节宿主的生理和行为。本综述综合了目前关于肠微生物群通过内分泌信号(下丘脑-垂体-肾上腺轴和性激素)、神经递质合成(5-羟色胺、多巴胺、γ-氨基丁酸)、微生物代谢

  来源：Advanced Gut & Microbiome Research

  时间：2026-08-05

• 神经早期康复病房跨专业协作的结构条件：一项定性研究

  背景：早期神经和神经外科康复（ENR，phase B）构成了从急性治疗向进一步康复的过渡，需要急性医疗与康复措施的紧密整合。根据《国际功能、残疾和健康分类》（ICF）模型，跨专业协作（IPC）是康复护理的核心组成部分。以往研究侧重于促进IPC的个人和团队能力。

  来源：Frontiers in Health Services

  时间：2026-08-05

• 综述：人际心率同步与音乐情境中的亲社会行为

  生理信号的同步已成为认知科学（cognitive science）研究的主要目标，主要因为其与亲社会行为（pro-social behaviors）相关联。在此背景下，研究人员常使用自然刺激（naturalistic stimuli）并借助神经影像技术（neu

  来源：Frontiers in Psychology

  时间：2026-08-05

• 计算工程中的物理信息数字孪生：关于物理信息学习、神经算子、不确定性量化、实时更新和部署准备度的PRISMA-ScR综述

  计算工程中的物理信息数字孪生（Physics-Informed Digital Twins, PIDTs）不仅仅需要仿真模型或机器学习代理。研究人员将物理资产连接到计算表示，从数据中学习，量化不确定性，在传感器信息下更新，并在明确的延迟和可信性约束下支持工程决

  来源：ARCHIVES OF COMPUTATIONAL METHODS IN ENGINEERING

  时间：2026-08-05

知名企业招聘：