-
基于优化U-Net架构的彩色眼底图像视网膜血管分割模型及其在眼病早期诊断中的应用
针对视网膜血管分割精度对糖尿病视网膜病变、青光眼等眼病诊断的关键影响,研究人员开展了一项基于改进U-Net架构的卷积神经网络(CNN)与先进图像处理技术的研究。该方法利用DRIVE和CHASEDB1等基准数据集进行训练与评估,实现了对彩色眼底图像中视网膜血管的精准自动分割,为临床医生提供了一个优化、可靠的血管提取工具,提升了视网膜疾病的早期筛查与诊断效率。
来源:Scientific Reports
时间:2026-04-14
-
rbpCNN:融入生物物理特征的轻量级卷积神经网络预测piRNA-mRNA互作及其功能调控
本刊推荐:为解决piRNA序列与mRNA序列互作预测难题,研究者聚焦“biophysics-informed深度学习”主题,提出rbpCNN模型,新增兼容性/螺旋链/位置/结构通道优化学习,五折交叉验证AUC达96.55%,独立外部数据集表现优异,推动PIWI介导沉默机制研究与医学干预设计。
来源:Scientific Reports
时间:2026-04-14
-
面部表情的“真伪”差异:恐惧与惊讶在摆拍与自发情境下的运动学重叠及其识别启示
【编辑推荐】针对恐惧与惊讶常被混淆的问题,本研究聚焦摆拍与自发面部表情的差异,通过三维动态捕捉发现二者在摆拍时运动学特征高度相似,而自发恐惧下脸下部振幅与速度更大,提示需重视自发情感表达研究,避免过度推广摆拍结论。
来源:Scientific Reports
时间:2026-04-14
-
综述:鱼类中的肠-脑轴:微生物组对神经系统的影响
肠道菌群与脑轴的相互作用及其在鱼类中的研究进展。摘要:
来源:Aquaculture
时间:2026-04-14
-
被动工作记忆的维持依赖于情景记忆机制
本研究通过Think/No-Think任务引发记忆阴影效应,探究史诗记忆系统对工作记忆被动维持的作用。结果显示被动记忆在记忆阴影期受损而主动记忆不受影响,支持被动记忆由史诗记忆机制维持的假说。
来源:Cognitive Psychology
时间:2026-04-14
-
基于烟酰胺功能化肽类纳米管的靶向递送与能量再生策略在急性脑损伤治疗中的应用研究
为解决急性脑损伤后细胞能量耗竭和NAD+递送效率低的难题,研究人员开发了烟酰胺-肽类纳米管(NAM-PNTs)这一新型纳米递送平台。研究表明,NAM-PNTs能够在体内外高效靶向小胶质细胞,有效补充细胞内ATP和NAD(H)水平,降低炎症反应,减少脑组织损伤,为新生儿缺氧缺血性脑病等急性脑损伤的治疗提供了创新性纳米治疗策略。
来源:ACS Nano
时间:2026-04-14
-
慢性鼻窦炎与SPECT后扣带回低灌注在痴呆诊断中的关联:一项探索性影像学研究
本文探讨了慢性鼻窦炎(CRS)对认知障碍患者单光子发射计算机断层扫描(SPECT)灌注模式的影响。研究人员通过回顾性分析,发现MRI定义的CRS与后扣带回皮质(PCC)更严重的低灌注相关,尤其是在阿尔茨海默病(AD)患者中。这一发现提示,在记忆门诊中,CRS可能影响基于SPECT的痴呆评估结果,提醒神经科医生在解读影像时需考虑这一常见MRI偶然发现。
来源:Frontiers in Neurology
时间:2026-04-14
-
前额叶-感觉运动皮层功能连接中断在肠易激综合征中中介抑郁症状与症状严重程度的关系
本研究针对肠易激综合征(IBS)患者抑郁与症状负担的共病难题,通过静息态功能磁共振成像(rs-fMRI),揭示了其与双侧前额叶皮层(PFC)功能连接强度(FCS)降低等大脑功能网络异常相关。研究证实,左侧PFC的FCS降低是抑郁症状(SDS)影响IBS症状严重程度(IBS-SSS)的关键神经中介。这为理解IBS的“脑-肠轴”机制提供了新证据,并为靶向大脑功能连接的治疗干预提供了潜在方向。
来源:Frontiers in Human Neuroscience
时间:2026-04-14
-
动态监测视神经鞘直径评估创伤性脑损伤患者颅内压:一项甘露醇治疗前后的超声观察研究
创伤性脑损伤(TBI)后颅内高压(ICP)的快速评估是临床难题,有创监测应用受限。为探索无创评估方法,本研究前瞻性观察71名TBI患者在甘露醇治疗前后的视神经鞘直径(ONSD)与有创ICP变化。结果显示,甘露醇治疗后ONSD与ICP均显著下降,且两者呈强相关(Spearman ρ=0.860, p<0.01),表明动态超声ONSD监测可有效反映ICP变化趋势,为无创ICP监测提供了新证据。
来源:Frontiers in Neurology
时间:2026-04-14
-
基于强化学习的动作专家预训练:无需大规模示范数据的高效视觉-语言-动作模型构建
当前视觉-语言-动作(VLA)模型严重依赖大规模人类示范数据进行预训练,导致数据收集和训练成本高昂。为解决此问题,研究人员开展了题为“ActionX: 通过强化学习预训练动作专家用于视觉-语言-动作模型”的研究。他们提出了一种两阶段训练框架,先通过强化学习(RL)预训练动作专家,再结合冻结的预训练视觉-语言模型(VLM)主干进行端到端微调。实验结果表明,该方法在LIBERO和Meta-World基准测试及真实机器人操作场景中,仅需少于100个专家示范,即可实现比当前最先进VLA模型高16%的成功率。这项研究显著提升了VLA模型的训练效率,为数据高效型的机器人操作学习提供了新思路。
来源:Frontiers in Neurorobotics
时间:2026-04-14