• 发作性睡病中默认模式网络与躯体运动网络动态功能连接稳定性的分离

  发作性睡病1型（NT1）以显著的睡眠-觉醒状态不稳定性为特征，提示大规模脑网络动力学存在根本性失调。为阐明这一现象，研究人员利用静息态功能磁共振成像（rs-fMRI）评估了27例NT1患者与25例匹配健康对照的全脑动态功能连接（dynamic function

  来源：Frontiers in Neuroscience

  时间：2026-06-08

• 嵌入多层注意力图卷积神经网络的肠道微生物-疾病关联预测模型（MAGMDA）的开发与验证

  摘要：识别肠道微生物与疾病的关联对于揭示疾病机制和推进精准医学至关重要。然而，由于验证耗时且昂贵，经实验验证的微生物-疾病关联仍然稀缺。现有计算方法面临三个可衡量的挑战：（1）严重的类别不平衡（正关联仅占所有可能配对的1.89–2.56%）；（2）难以捕捉微生

  来源：Frontiers in Microbiology

  时间：2026-06-08

• 内镜下神经切断术与C2背根神经节射频消融术治疗颈源性头痛的无痛生存期比较：一项真实世界研究

  颈源性头痛（Cervicogenic Headache, CEH）通常采用靶向C2背根神经节（Dorsal Root Ganglion, DRG）的射频消融术（Radiofrequency Ablation, RFA）进行治疗，但其镇痛效果往往难以持久。内镜下

  来源：Frontiers in Pain Research

  时间：2026-06-08

• 预测直立倾斜试验（head-up tilt test, HUTT）期间的血管迷走性晕厥：三种机器学习方法

  引言：由于自主神经与心血管反应之间复杂的相互作用，直立倾斜试验（head-up tilt test, HUTT）期间的晕厥预测仍然具有挑战性。本研究探讨了三种计算方法，利用105例有晕厥史、按改良意大利方案接受HUTT患者的连续心电图（electrocardi

  来源：Frontiers in Neuroinformatics

  时间：2026-06-08

• 综述：体育锻炼作为靶向PINK1^{PTEN诱导激酶1}招募的精准策略：一项机制性综述

  PTEN诱导激酶1（PINK1）是一种线粒体丝氨酸/苏氨酸激酶，其与E3泛素连接酶Parkin协同调控泛素依赖性线粒体自噬。生理和病理条件均可快速招募PINK1，而健康线粒体中PINK1的及时降解决定其对细胞的利弊。因此，PINK1的严格调控可平衡其负面效应。

  来源：Frontiers in Physiology

  时间：2026-06-08

• 洛伦兹信息与神经常微分方程自编码器（LAIOR）：用于单细胞多组学轨迹推断的几何学习

  研究人员的模型LAIOR是一种面向单细胞多组学轨迹推断的几何变分自编码器。其将隐空间嵌入洛伦兹模型（Lorentz model）的双曲流形Hl，以保持细胞层级与分化连续体；引入信息瓶颈（information bottleneck）压缩共享生物程序；并以神经常

  来源：Frontiers in Genetics

  时间：2026-06-08

• 蛰伏(Torpor)的神经环路(Neural Circuits of Torpor)

  摘要：蛰伏（Torpor）是一种可逆的低代谢状态，以体温（Body Temperature, Tb）和能量消耗降低为特征。借助先进的遗传学及生理学技术，近期研究已开始鉴定视丘下部（Hypothalamus）及脑干（Brainstem）中启动并维持此状态的神经元

  来源：Journal of Comparative Physiology B

  时间：2026-06-08

• 基于混合元启发式算法的卷积神经网络优化在番茄叶病分类中的应用

  摘要卷积神经网络（CNN）被广泛用于植物病害检测，但其性能受到超参数选择的显著影响。传统的手动调整或随机搜索方法效率低下，可能导致次优解。在这项研究中，我们提出了四种混合元启发式策略，并对其进行了评估：蚂蚁狮优化器与鲸鱼优化算法（ALO-WOA）结合、蚂蚁狮优化器与蜻蜓算法（AL

  来源：Scientific Reports

  时间：2026-06-08

• 双耳节拍对阅读障碍儿童语音意识及大脑皮层连接性的影响

  摘要发展性阅读障碍涉及语音意识和大脑皮层连接性的缺陷，然而双耳节拍对这些领域的影响尚未得到充分研究。本研究考察了θ波（5 Hz）和β波（15 Hz）双耳节拍对45名6.5至8.3岁阅读障碍儿童的语音处理能力和脑电图（EEG）一致性的影响。参与者被分为θ波组、β波组或对照组，并在四

  来源：Scientific Reports

  时间：2026-06-08

• 基于混合CNN和BiLSTM架构的智能电网网络攻击检测系统，利用智能电表数据进行检测

  摘要随着入侵手段的日益复杂，实时网络攻击入侵检测在智能电网通信基础设施中面临着严峻挑战。传统的基于规则的检测方法无法适应现代电力网络中多样的攻击模式。在这项研究中，我们开发了一个监督式深度学习框架，该框架利用卷积神经网络（CNN）进行空间特征提取，双向长短期记忆网络（BiLSTM

  来源：Scientific Reports

  时间：2026-06-08

知名企业招聘：