-
ATRX、DAXX、PDX1、ARX和生长抑素受体在胰腺神经内分泌肿瘤中的表达:一项临床病理学研究
摘要背景:近期研究确定了ATRX/DAXX和PDX1/ARX作为定义新型胰腺神经内分泌肿瘤(PanNET)亚型的生物标志物,而生长抑素受体(SSTRs)的临床意义仍不完全清楚。方法:我们回顾性分析了58个经手术切除的原发性PanNET样本,并对ATRX、DAXX、ARX/PDX1
来源:Frontiers in Endocrinology
时间:2026-05-11
-
长期给予长效促肾上腺皮质激素(ACTH)会改变幼鼠血浆纤维蛋白原的发育模式
武田洋子(Yoko Takeda)、坂木貴文(Takafumi Sakakibara)、堀内香织(Kaoru Horiuchi)、荻原健一(Kenichi Ogiwara)、野上敬二(Keiji Nogami)日本奈良县鹿原市奈良医科大学儿科系摘要背景我们之前报告过,对于婴儿癫痫
来源:Brain and Development
时间:2026-05-11
-
社会比较对努力投入影响的神经计算机制
摘要先前的研究表明,相对于他人而言更优的金钱结果能够增强神经反应;然而,这些实验设计常常将社会比较的主观效用与绝对奖励的大小混为一谈。目前尚不清楚基于表现的社交比较如何调节个体的自我效能以及随后的努力分配。为了解决这一不足,我们进行了行为学(N = 32)和电生理学(N = 34
来源:Communications Biology
时间:2026-05-11
-
用于年轻至中年缺血性卒中患者卵圆孔未闭检出的经颅多普勒发泡试验
摘要背景:当前卒中指南并不推荐对病因未明的急性缺血性卒中(AIS)患者常规筛查卵圆孔未闭(PFO)。本研究评估了经颅多普勒(TCD)发泡试验(TCD-bubble)在较年轻AIS患者中检出PFO的诊断准确性。
患者与方法:研究人员对某前瞻性机构性卒中登记数据
来源:Frontiers in Neurology
时间:2026-05-11
-
可解释的ANN-SHAP框架用于全尺度厌氧消化中CH4和H2S的多目标优化
阿米尔霍赛因·希尔扎德·加瓦巴里(Amirhosein Shirzad Gavabari)| 赛义德·莫尔泰扎·扎米尔(Seyed Morteza Zamir)| 莫赫森·诺斯拉提(Mohsen Nosrati)
伊朗德黑兰塔比亚特莫达雷斯大学(Tarbiat Modares
来源:Regional Studies in Marine Science
时间:2026-05-11
-
在前岛叶皮层进行神经刺激能够同时减轻慢性神经性疼痛患者的感官过敏反应及情感障碍
**Renata Moreira Acunha | Priscila Medeiros | Hélio Rubens Machado | Lourenço Sbragia | Norberto Cysne Coimbra | Sabatino Maione | Renato Le
来源:Physiology & Behavior
时间:2026-05-11
-
一种用于基因组序列分类的混合量子-经典神经网络框架
里娅·班萨尔(Riya Bansal)| 尼基尔·库马尔·拉杰普特(Nikhil Kumar Rajput)| 梅加·卡纳(Megha Khanna)
印度德里大学计算机科学系,德里 110007
**摘要**
基因组学中序列数据的不断增加给生物信息学中的基因组序列
来源:Neurocomputing
时间:2026-05-11
-
物理增强的latent Fourier神经算子,用于高效求解偏微分方程
陆先锋|刘永明
亚利桑那州立大学物质、运输与能源工程学院,坦佩,AZ 85281,美国
**摘要**
傅里叶神经算子(FNOs)在求解偏微分方程(PDEs)方面取得了显著的成就。然而,随着系统维度的增加,它们的性能往往会下降,并且通常缺乏对物理约束的结合,而这对于实
来源:Neurocomputing
时间:2026-05-11
-
一种基于节点嵌入表示的重力模型,用于评估复杂网络中节点的重要性
郭浩明|闫学峰|刘玉松|张菊萍
南京航空航天大学计算机科学与技术学院,南京210016,中国
**摘要**
评估复杂网络中节点的重要性对于理解网络的功能至关重要。然而,基于中心性和引力的传统方法通常依赖于单一的人工度量标准,这可能无法捕捉到更全面的结构信息。许多基于
来源:Neurocomputing
时间:2026-05-11
-
基于物理知识的深度核方法在偏微分方程中的应用
董少群|王乐亭|郝敬如|徐涛|蔡尧|李岩|王一迪|孔黄帅|许阳
中国石油大学(北京)石油资源与工程国家重点实验室,北京,102249
**摘要**
物理信息神经网络(PINNs)作为一种有效的方法,已经出现用于求解偏微分方程(PDEs),但由于它们依赖于基于梯度的优
来源:Neurocomputing
时间:2026-05-11