-
综述:基于无人机系统的视觉人工智能在基础设施检测中的应用综述
这篇综述系统回顾了基于无人机系统和计算机视觉的人工智能技术在基础设施检测领域的最新进展。文章聚焦于无人机如何采集高质量视觉数据,以及先进的人工智能模型(如卷积神经网络CNN、视觉变换器ViT和深度强化学习DRL)如何将这些数据转化为可执行的洞见。论文详细评述了关键应用、不同模型的优势与局限,并对用于训练的开源数据集进行了批判性分析,旨在为构建更自动化、可靠和高效的基础设施评估方法提供清晰的路线图。
来源:AUTOMATION IN CONSTRUCTION
时间:2026-04-23
-
可拉伸管状无线光遗传学探针实现动态器官内稳定光调控与膀胱痛觉行为研究
针对动态器官内稳定光调控的挑战,研究人员受竹子结构启发,开发了一种基于聚氨酯弹性体管的可拉伸无线光遗传学系统。该系统集成µ-ILEDs,通过13.56 MHz磁共振耦合供能,有效保护内部电路免受膀胱周期性形变影响。体内应用表明,在环磷酰胺诱导的小鼠急性膀胱炎模型中,光遗传学抑制TRPV1+感觉神经元可调控痛觉相关行为,且植入物在8天内未诱发明显纤维化包裹。该研究为可变形内脏组织的局部神经调控提供了新工具。
来源:Engineering
时间:2026-04-23
-
因果图神经网络:提升野火预测地理泛化性与稳健性的新方法
为了解决传统野火预测模型因捕捉伪相关而泛化性不足的问题,研究人员提出了一种因果启发的图神经网络(GNN)框架。该研究整合了因果发现与时序图学习,通过后门调整图池化层估计驱动因素的因果效应。结果表明,该模型在面对地理分布偏移和输入噪声时表现更为稳健,揭示了海洋气候指数对当地火灾的滞后效应,并指出地中海火灾主要由干旱驱动。这项研究为灾害管理提供了更可靠、可解释的预测工具。
来源:ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING
时间:2026-04-23
-
基于神经网络逆模型与强化粒子群算法的陆上风电场电池储能系统智能优化研究
为解决陆上风电场与电池储能系统(BESS)协同优化中兼顾发电效率与电网稳定性的难题,研究人员提出了一种融合NN逆模型、贝叶斯优化GPR及RPSO的智能优化模型。该模型在南非某风电场案例中实现效率提升15–20%,SOH估计RMSE<1%,为可再生能源管理提供了可扩展的高精度解决方案。
来源:Intelligent Systems with Applications
时间:2026-04-23
-
基于深度学习的糖尿病视网膜病变自动检测与分期:AlexNet、SqueezeNet及CNN模型的系统性能评估
为解决糖尿病视网膜病变(DR)早期筛查效率低、依赖专家资源的问题,研究人员系统评估了CNN、AlexNet和SqueezeNet三种深度学习模型。结果表明,轻量级模型SqueezeNet在分类准确率和F1分数上表现优异,为临床部署提供了高效解决方案。
来源:Franklin Open
时间:2026-04-23
-
可共享资源:“糖尿病足”
糖尿病周围神经病变(DPN)不仅影响血糖,还会导致足部感觉丧失,引发溃疡、平衡问题及跌倒风险。通过针对性运动训练(如平衡练习、步态训练、太极)及日常护理(足部检查、安全环境、专业指导),可有效改善功能并降低并发症风险。
来源:ACSM's Health & Fitness Journal
时间:2026-04-23
-
ALIF术后根性神经病与后外侧椎间孔骨赘及上关节突钩之间的关联
单水平ALIF术后PLR发生率及预测因素分析:回顾性研究纳入204例患者,18.1%出现PLR,78.4%在6个月内缓解,术前PFO(OR3.25)和SAH(OR2.82)为独立预测因子,UPROR率8.8%。
-
精英单板U型场地运动员空间表象加工中左侧背外侧前额叶激活降低:fNIRS证据
本研究针对精英单板U型场地运动员在空间表象及抑制控制任务中的神经机制展开研究。利用fNIRS技术,发现专家组在行为表现相当的情况下,左侧DLPFC激活显著低于新手组,为运动训练诱导的神经效率假说提供了实证支持。该成果发表于Frontiers in Psychology,对理解极限运动大脑可塑性及认知训练优化具有重要价值。
来源:Frontiers in Psychology
时间:2026-04-23
-
综述:脑电图神经反馈与训练干预对高尔夫推球表现的影响:系统综述与元分析
摘要
背景:脑电图神经反馈(EEG-NFT)被用于调节大脑功能,以提高高尔夫推球的成绩。然而,EEG-NFT的有效性及其与非EEG训练干预在提高推球成绩方面的关系仍不明确。
方法:遵循系统评价和元分析的 Preferred Reporting Items (PRISMA) 指
来源:Frontiers in Psychology
时间:2026-04-23
-
综述:在神经调控中实现闭环控制:基于机器学习的脑电图引导经颅磁刺激方法综述
Elena Mongiardini 和 Paolo Belardinelli
摘要:经颅磁刺激(TMS)与脑电图(EEG)结合使用,为探测和调节人类大脑皮层及皮质脊髓的兴奋性提供了一个强大的工具。近年来,基于大脑状态依赖性的EEG-TMS范式因将刺激与正在进行的神经活动同步而越来越受到关注。然而,传统的依赖于单一振荡特征或固定阈值的方法往往会产生异质性且不
来源:Algorithms
时间:2026-04-23