• 基于ACS-NSQIP数据库开发与验证机器学习模型用于预测腰椎微创椎间盘切除术后早期再手术

  摘要：引言：腰椎微创椎间盘切除术后因手术部位感染（SSI）导致的早期再手术虽罕见，但会造成显著的病痛负担和医疗资源消耗。研究问题：鉴于传统统计与机器学习（ML）模型在预测该结局时表现不一，本研究旨在开发并验证一个机器学习模型，以准确预测接受腰椎微创椎间盘切除术

  来源：Brain and Spine

  时间：2026-05-28

• TriNet-RTAD：一种基于异构卷积神经网络集成的道路交通异常检测高效框架

  道路异常检测（Road Traffic Anomaly Detection, RTAD）在智能交通系统（Intelligent Transportation Systems, ITS）中具有重要地位，可实现事故、危险路况及拥堵等异常事件的快速识别。研究人员提出

  来源：Array

  时间：2026-05-28

• 融合Savitzky-Golay滤波与固有模态函数的自适应加权混合深度学习在下一代数据中心工作负载预测中的应用

  现有数据中心在满足服务质量(QoS)要求并实现动态异构工作负载下的能效优化方面面临显著挑战。为解决这些局限，研究人员提出了一种两阶段预测框架，集成数据清洗、数字滤波、优化与时序预测等互补技术，以实现主动资源管理与高效弹性伸缩。该研究的核心贡献包含两方面：一方面

  来源：Array

  时间：2026-05-28

• “设计我的日常生活支持”——共同生产（co-production）及用于提升神经多样性（neurodivergent）青年成人服务使用者参与度的简易工具的可行性与实施研究

  目的：瑞典的社会服务机构日益为神经多样性青年成人提供日常生活支持，亟需有效方法鼓励其积极参与自身支持计划。本研究旨在（Ⅰ）描述与服务使用者及支持工作者共同生产（co-production）一项促进参与的工具的过程，（Ⅱ）探讨该工具的可行性。材料与方法：共同生产

  来源：Disability and Rehabilitation

  时间：2026-05-28

• 透过重要他人视角：神经多样性女性注意缺陷多动障碍（ADHD）在大学及教育职业环境中的个体优势与支持需求感知

  目的：目前关于重要他人在女性注意缺陷多动障碍（ADHD）中作用的研究十分有限。重要他人的视角具有重要价值，因为他们常能提供女性ADHD患者在日常生活中面临的挑战与优势的独特洞察。本研究从11位女性ADHD患者的重要他人（包括父母、朋友、同事或伴侣）的角度出发，

  来源：Disability and Rehabilitation

  时间：2026-05-28

• 边缘中的成功：澳大利亚患有注意力缺陷多动障碍（ADHD）的女性学生和教育者在学术界和工作中导航神经多样性

  目的：目前，女性注意力缺陷多动障碍（ADHD）患者在当代研究中相对于男性同伴代表性不足。这种差异在日常生活中普遍存在，包括高等教育和工作场所。由于ADHD的临床表现和生活经历在男性和女性之间存在差异，本研究探讨了女性ADHD患者（N = 11）在教育环境中的经

  来源：Disability and Rehabilitation

  时间：2026-05-28

• 脑瘫青年社区参与经历的自我报告反思

  本研究聚焦于脑瘫（Cerebral Palsy, CP）青年群体在社区环境中的参与体验，旨在探究影响其参与便利性或障碍性的关键因素。为获取这一群体的直接观点，研究人员采用了一系列无障碍化的数据收集方法，探索了15位年龄在15至26岁之间、具有不同运动功能与沟通

  来源：Developmental Neurorehabilitation

  时间：2026-05-28

• 作为研究合作伙伴的脑性瘫痪青年成人——一项导师计划的定性评价

  摘要 背景与目的 旨在对脑性瘫痪（cerebral palsy，CP）青年群体产生切实影响的研究，需要由具有相关生活经验的个体提供信息支持，从而使对CP人群重要的议题与结局指标得到优先关注。这类消费者研究合作伙伴（consumer research part

  来源：Developmental Neurorehabilitation

  时间：2026-05-28

• **二维JCOG：通过共享裂分定理与图神经网络将一维1¹H核磁共振谱转化为J-δ关联图谱**

  J-耦合常数及其相关的耦合网络在¹H核磁共振(¹H NMR)谱中编码了至关重要的结构信息，然而其自动化提取仍然具有挑战性。传统的多重峰分析依赖于一阶近似，该方法在谱图拥挤、杂质存在或强耦合条件下会失效，而迭代量子力学

  来源：Analytical Chemistry

  时间：2026-05-28

• 基于深度学习的声学谱图在废物管理中的材料分类研究

  本文提出了一种用于废物管理中高效材料分类的稳健深度学习框架，重点对声学时频表示进行了比较分析。六种常见废弃物（塑料、纸板、钢铁、瓷器、玻璃器皿和铝）通过精心预处理的声音记录进行了表征。信号采用了四种技术进行变换：短时傅里叶变换（Short-Time Fouri

  来源：Array

  时间：2026-05-28

知名企业招聘：