• 综述：从计算模型到癫痫临床决策：弥合理论与实践之间的鸿沟

  摘要癫痫是异质性最强、最难预测的神经系统疾病之一，其特征是复杂的脑动力学、显著的个体间差异性以及往往难以预测的治疗反应。尽管神经影像、电生理学和抗癫痫治疗领域取得了重大进展，临床决策仍面临诸多重大挑战，包括精确定位致痫灶、预测癫痫发作、识别药物难治性患者以及优化个体化治疗策略

  来源：Brain Topography

  时间：2026-10-14

• 帕金森病中低Beta状态动力学的固定序列OFF-to-ON差异：一项配对源空间静息态EEG研究

  摘要帕金森病（PD）的静息态脑电图（EEG）研究大多侧重于静态功率或连通性，而固定顺序的关-开期（OFF-to-ON）就诊差异可能还涉及网络状态的时序组织。在如此类固定采集方案下，配对源空间证据仍然有限。我们分析了39例PD患者的64导闭眼静息态脑电图，其中贡献了配对的关/开

  来源：Brain Topography

  时间：2026-10-14

• 与病程相关的高血压灰质改变区域模式及其认知意义

  高血压是认知下降的主要可改变血管危险因素。然而，不同高血压病程下区域灰质（GM）改变的差异仍有待深入研究。我们假设不同脑区在不同高血压病程分组中会表现出异质性的灰质体积（GMV）特征，且区域GMV改变与认知表现相关。研究纳入了487名高血压参与者和165名血压正常对照组，收集

  来源：Brain Imaging and Behavior

  时间：2026-10-14

• 中国东北地区死后捐献者新鲜采集人脑组织中的微塑料检测及其与阿尔茨海默病相关病理蛋白的关联

  • 聚乙烯（PE）是东北中国捐献者脑组织中主要的全塑（MNPs）类型。 • 在选定的四个样本中，大多数全塑的直径<60 μm，且呈球形或不规则形状。 • PE和PS的浓度与海马Aβ免疫反应呈正相关。 # 引言 全塑（MPs）和纳塑（NPs）（合称MNPs）是尺寸≤5毫

  来源：NeuroToxicology

  时间：2026-10-14

• 双相情感障碍不同心境状态下晨间皮质醇水平升高：系统评价与Meta分析

  • 本meta分析增加了十年关于双相情感障碍患者晨间皮质醇的证据。 • 多层模型考虑了心境状态亚组之间的依赖性。 • 双相情感障碍患者在不同心境状态下晨间皮质醇均升高。 • 研究结果表明HPA轴失调可能存在与特征相关的成分。 引言 双相情感障碍（BD）是一种慢性、致残性强的

  来源：Neuroscience & Biobehavioral Reviews

  时间：2026-10-14

• 大麻共使用与烟草使用障碍中的内源性大麻素系统调节：

  • 同时使用大麻与戒烟几率降低25%有关 • 临床前研究显示内源性大麻素系统的调节可以减少尼古丁的强化作用 • 大麻二酚（CBD）使香烟使用量减少约40%，并减轻戒断症状的严重程度 • 尽管自然共用的情况下存在一些危害，但针对内源性大麻素系统的靶

  来源：Neuroscience & Biobehavioral Reviews

  时间：2026-10-14

• KAPI-LM：面向偏微分方程的核自适应物理信息驱动学习机

  KAPI-LM 利用具有结构化 RBF 几何和可控参数共享机制的框架求解偏微分方程。提出的 KAPI-LM 实现——cSPINN、cPIELM 和 Meta-cSPINN 采用了不同的优化策略。所提出的几何参数共享方法在不减少物理 RBF 数量的前提下减少了可训练参数。对于相

  来源：Neural Networks

  时间：2026-10-14

• 一种融合拓扑保持通道嵌入与Transformer的用于脑电（EEG）解码的时空注意力卷积网络

  • 提出了一种新颖的基于注意力的网络（E-STACNet），用于脑电图（EEG）信号解码。• E-STACNet在运动想象和情绪识别任务中取得了优异的准确率。• 通道注意力机制有效地捕捉了EEG通道的空间重要性。• 通道权重的地形图展示了E-STACNet的可解释性。引言脑机

  来源：Neural Networks

  时间：2026-10-14

• 通过多层次动作差异学习提升动作质量评估

  # 动作质量评估 ## 摘要 抽象动作质量评估（Abstract Action Quality Assessment, AQA）是细粒度视频理解中的关键任务，在体育分析、技能训练和康复等领域具有广泛应用。其核心挑战在于从低类内区分度的视频中辨别细微的动作差异。尽管近期方法

  来源：Neural Networks

  时间：2026-10-14

• 基于局部图像集的分布外检测增强

  •识别了OOD检测中一个常见但被忽视的失效场景：小前景物体搭配大背景会导致高假阳性率。•分析其根本原因：空间偏差、尺度敏感性以及现有视觉模型全局特征表示的局限性。•提出了一种模型无关、免训练的自适应裁剪策略，通过在推理时强调显著前景区域来改进OOD检测。•采用基于熵的视角选择

  来源：Neural Networks

  时间：2026-10-14

知名企业招聘：