• DGIST：用于齿状回神经发生的标准化图像基空间量化工作流程

  摘要成年海马体在齿状回中生成新的神经元，该区域的亚颗粒区内的神经干细胞会分化为神经元和星形胶质细胞。准确量化成年神经干细胞对于评估其神经发生潜力至关重要，但目前大多数方法都依赖于对齿状回有限区域的手动密度测量。由于组织切片的形态差异，这些方法可能会引入偏差。为了解决这些问题，我们

  来源：Advances in Biological Regulation

  时间：2026-08-05

• 光生物调节治疗脊髓病变的傅里叶变换拉曼光谱分析

  摘要脊髓损伤会引发一系列严重的神经炎症和代谢功能障碍，这些反应会超出初始损伤部位，进一步导致功能缺陷。在再生医学领域，如何缓解这种渐进性退化仍是一个重要挑战。本研究探讨了在大鼠脊髓挫伤模型中，进行14天、808纳米波长的红外光生物调节治疗对神经的保护作用。为客观分析微观环境的分子

  来源：Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy

  时间：2026-08-05

• 靶向代谢组学研究发现了血浆神经酰胺及其比值与新发2型糖尿病之间的关联

  摘要研究目的目前关于神经酰胺与2型糖尿病风险之间关联的研究还较少。本研究旨在探讨中国成年居民的血浆神经酰胺及其与Cer(d18:1/16:0)的比值是否与2型糖尿病风险相关。研究方法本研究采用匹配的病例对照设计，基于中国苏州的一个社区纵向队列开展。通过高通量靶向脂质组学技术，对2

  来源：Acta Diabetologica

  时间：2026-08-05

• 用于HPV整合位点预测的基因组多级专家混合系统

  摘要：人乳头瘤病毒（HPV）整合到宿主基因组中是致癌过程中的关键因素，但仅凭DNA序列准确预测整合位点仍是一项重大挑战。与传统使用小型卷积网络的传统预测方法相比，基于变换器的大型模型能够捕捉长距离依赖关系，并且可通过在大量基因组数据集上的预训练来提升性能。然而，这类模型通常依赖单

  来源：Neurocomputing

  时间：2026-08-05

• 一种用于约束二次规划的自适应投影事件驱动神经动力学求解器

  摘要 神经动力学优化为求解带约束的数学规划问题提供了一种新的计算范式，其在并行和事件驱动架构上具有高效实现的潜力。本文提出了一种针对带等式约束的盒约束二次规划问题的新型神经动力学求解器，该求解器结合了连续梯度动力学（类似于膜电位积分）与离散约束投影事件（类似于神经脉冲）。这种

  来源：Neurocomputing

  时间：2026-08-05

• 基于深度神经网络的高速公路事故风险预测时空迁移学习框架

  摘要由于交通风险模式存在时空异质性，准确且可靠的公路事故风险预测面临诸多挑战。这种异质性会导致不同时间段和道路段之间的领域差异，进而削弱模型在跨领域场景下的泛化能力。为解决这一问题，我们提出了一种时空迁移学习框架，将领域适应问题分解为时间和空间两个独立路径。在时间适应方面，ST-

  来源：Neurocomputing

  时间：2026-08-05

• 触觉刺激对雌性大鼠桶状皮层感受野的影响

  摘要在出生后的早期发育阶段，经验依赖性可塑性在神经回路的形成中起着关键作用。在啮齿类动物中，桶状皮层是负责处理触须相关触觉信息的主要躯体感觉区域，每个桶状结构对应着一根触须的特定解剖学和功能特征。虽然已知触觉刺激会影响感觉处理，但其对雌性大鼠的影响尚未被研究。本研究探讨了触觉刺激

  来源：Physiology & Behavior

  时间：2026-08-05

• 孕妇与未孕女性的情感共情与认知共情：多维度神经内分泌评估

  摘要妊娠期间，母体大脑会经历深刻的神经内分泌变化，为承担照顾任务及应对社会互动做好准备。尽管共情是母性行为的关键组成部分，但目前尚不清楚妊娠是否会导致情感共情与认知共情的不同模式，以及这些模式与神经内分泌因素之间存在怎样的关联。这项横断面研究共纳入111名女性（68名孕妇，43名

  来源：Physiology & Behavior

  时间：2026-08-05

• 超越快照限制：利用6天动态可穿戴监测器克服GES的局限性，以表征胃部表型及治疗反应

  摘要 背景 胃排空闪烁扫描术被认为是区分胃轻瘫与功能性消化不良及其他以恶心和呕吐为特

  来源：Neurogastroenterology & Motility

  时间：2026-08-05

• 一种用于高精度光伏发电功率预测的跨变量光谱相干性增强变换器

  摘要准确预测光伏发电量对于将可再生能源大规模整合到智能电网中至关重要。然而，由于天气状况的复杂周期性以及气象变量之间的紧密关联，这一任务仍然具有挑战性。为了解决这一问题，我们提出了CVSC-Transformer模型。该模型首先利用快速傅里叶变换将多变量时间序列映射到频域，然后将

  来源：Neurocomputing

  时间：2026-08-05

知名企业招聘：