• 壁内十二指肠血肿的延迟并发症：以胃肠道出血为表现的严重十二指肠炎

  病例报告 一名59岁的男性患者患有冠状动脉疾病，并因粘连性小肠梗阻接受了近期探查性剖腹手术。术后通过计算机断层扫描（CT）发现其十二指肠壁内出现血肿（IDH），患者主诉腹痛和梗阻症状（图1）。经过鼻胃减压和静脉注射质子泵抑制剂治疗后，患者病情有所好转并出院。两周后，患者出现便血

  来源：ACSM's Health & Fitness Journal

  时间：2026-06-12

• 基于人工智能的气候适应性暖通空调控制：一种适用于与电网交互的建筑的可扩展框架

  阿里·侯赛因·阿尔哈马米 | 奥马尔·胡迈丹 | 穆罕默德·J·阿尔沙耶布 | 卡莱德·阿尔马扎姆 | 雅库布·阿米努·多多 沙特阿拉伯纳杰兰大学工程学院土木工程系 **摘要** 在极端温度地区，住宅冷却系统往往需要长时间以最大容量运行，这给传统的控制策略带来了重大

  来源：Energy

  时间：2026-06-12

• 综述：人参与抗疲劳能力：一个将病理循环、结构-活性关系及加工设计联系起来的系统框架

  艾志毅|任光全|赵晓雪|王琳娜|卢阳|李霞|南波|孙宇|严洪通|王宇|陈启正|顾克鹏|王玉华|张志成吉林农业大学食品科学与工程学院，长春，130118，中国摘要背景人参是一种源自食物的功能性成分，广泛用于增强活力，并在运动和压力相关情境下显示出抗疲劳作用。蒸煮和高温处理等加工步骤

  来源：TRENDS IN FOOD SCIENCE & TECHNOLOGY

  时间：2026-06-12

• 在输入扰动的情况下，提高场景感知型神经符号求解方法在解决算术文字问题时的鲁棒性

  摘要 强健的算术应用题（AWP）求解在教育场景中非常重要，因为问题描述可能包含变化的数值、改写的描述或无关的干扰信息。尽管大型语言模型（LLMs）在解决AWP方面表现出很强的潜力，但它们的推理过程仍可能对表面形式的变化和

  来源：Symmetry

  时间：2026-06-12

• 图雷特综合征：脑神经生理学、回路功能障碍以及侵入性与非侵入性干预手段下的神经调节作用

  摘要通俗语言总结 综述目的 本文回顾了近期在电生理学领域的进展，这些进展通过研究皮质-纹状体-苍白球-丘脑-皮质（CSPTC）回路的功能障碍及其时间动态变化，加深了我们对图雷特综合征中抽搐

  来源：Current Opinion in Neurology

  时间：2026-06-12

• 基于RSMA的超越对角线RIS辅助非地面网络的总速率最大化

  摘要：非地面网络有望彻底改变全球高速互联方式，为各类应用提供低延迟通信保障。尽管具有诸多优势，这类网络仍面临功耗高、 onboard处理资源有限以及频谱资源严重拥堵等挑战。为解决这些问题，近期有研究提出了诸如超越对角线可重构智能表面和速率分割多址接入之类的节能型、高效利用频谱的技

  来源：IEEE Access

  时间：2026-06-12

• 基于施万细胞脱细胞基质(acellular matrix, ACM)的3D生物打印支架用于下牙槽神经(Inferior Alveolar Nerve, IAN)再生研究

  下牙槽神经（Inferior Alveolar Nerve, IAN）是下颌神经的感觉支，支配牙齿、颏部及下唇的感觉。IAN损伤常由创伤或医源性因素引起，导致进食困难、微笑障碍、疼痛及感觉异常等症状。由于IAN走行于下颌骨管内，其再生受到限制，现有的药物及手术

  来源：ACS Omega

  时间：2026-06-12

• 低压电网基于神经网络的状态估计器中的输出到应用误差传播问题

  摘要：在低压配电网中，由于测量数据有限、运行状态不平衡以及计算负担较大，状态估计是一项具有挑战性的任务。尽管近期基于神经网络的估计器在电压幅值估计方面表现出较高精度，但其在下游应用中的可靠性仍需进一步研究。本文提出了一种多任务神经网络框架，利用有限的测量数据来估计欧洲型三相四线不

  来源：IEEE Transactions on Smart Grid

  时间：2026-06-12

• 采用地址-事件-μ数据包编码及占空比控制IR-UWB发射器的压缩型神经遥测技术

  摘要：本文介绍了一种用于384传感器像素神经数据采集的联网无线遥测系统，该系统旨在实现高吞吐量、低功耗以及较远的通信距离。所提出的基于事件的地址-事件-脉冲包（AEμ P）编码器采用差分二进制相移键控调制方式，能够在不降低传输距离和神经信号准确性的前提下，解决神经遥测中吞吐量与功

  来源：IEEE Microwave Magazine

  时间：2026-06-12

• 基于SHAP可解释性深度神经网络与SMOTE过采样的医疗行业员工离职(Attrition)预测研究

  摘要：研究人员提出一种端到端、具Shapley加性解释(SHAP, Shapley Additive exPlanations)可解释性的深度神经网络(Deep Neural Network, DNN)框架，用于预测医疗行业员工离职(Attrition)，以解

  来源：Frontiers in Public Health

  时间：2026-06-12

知名企业招聘：