-
综述:关于使用深度学习进行自闭症检测的全面综述
本文综述了基于卷积神经网络(CNN)的自闭症谱系障碍(ASD)诊断方法,探讨其优势、挑战及未来方向,强调早期诊断和自动化评估的临床价值。
来源:Health Services and Outcomes Research Methodology
时间:2026-04-14
-
早产儿早期高钠血症与高血糖对神经发育的影响:一项单中心回顾性队列研究
本研究针对极早产儿出生后一周内高钠血症(HN)和高血糖(HG)是否增加不良神经发育风险,开展大型单中心回顾性队列匹配分析,发现两者单独或合并发生均未显著关联2岁时中度至重度发育障碍,提示临床过度干预需谨慎。
来源:Journal of Perinatology
时间:2026-04-14
-
ULTRA:实现超宽视场深层自适应双光子成像,为跨尺度神经环路解析提供强大工具
为解决传统双光子显微镜(2PM)在活体成像中难以同时实现超宽视场(FOV>50 mm2)、高分辨率(~1 μm)与深层穿透(900 μm)的挑战,研究人员研发了ULTRA系统。该系统通过定制光学、集成自适应光学(AO)和高性能光电倍增管(PMT),成功实现了对小鼠大脑跨多个皮层区域、从表层到深层(45.24 mm3)神经元结构与功能活动的大范围、高信噪比成像,为大规模神经环路的功能解析提供了革命性的成像平台。
来源:Light-Science & Applications
时间:2026-04-14
-
人工视网膜突破视觉极限:植入式近红外感光器件让哺乳动物看见“不可见光”
针对视网膜退行性疾病致盲难题,研究人员开发了一种可贴附于视网膜表面的植入式人工视网膜,集成近红外(NIR)敏感光电晶体管与三维液态金属(LM)电极,成功在健康及失明小鼠中实现对NIR光的感知。该器件通过360 nm NIR透射滤光片阻断可见光,仅允许NIR激活光电晶体管产生电信号刺激视网膜神经节细胞(RGCs),既拓展了视觉光谱至NIR范围,又保留了自然视力,为光感受器退行性盲症患者提供了新型视觉假体方案。
来源:Nature Electronics
时间:2026-04-14
-
零知识证明驱动的可验证机器学习:从隐私安全到可信人工智能的系统综述
本文针对云端训练与推理中的数据隐私与模型信任问题,系统梳理了2017—2025年基于零知识证明(ZKP)的可验证机器学习(ZKML)研究,涵盖验证训练、推理与测试三大方向,剖析技术挑战与优化路径,并展望商业应用前景,为隐私保护AI发展提供重要参考。
来源:ARTIFICIAL INTELLIGENCE REVIEW
时间:2026-04-14
-
基于物理原理的残差学习与SHAP解释方法,用于实现可解释的机器人故障诊断
机器人系统故障诊断中,针对非保守动力学带来的非线性、语境依赖性问题,提出基于物理信息神经网络与SHAP可解释性分析的方法。通过DeLaN模型捕捉保守动力学,残差信号表征非保守效应,结合SHAP值构建高维特征映射,训练分类器实现透明化故障检测。实验证明该方法在工业机器人数据集上分类性能优异,有效解决黑箱模型与物理可解释性之间的鸿沟。
来源:JOURNAL OF INTELLIGENT MANUFACTURING
时间:2026-04-14
-
自闭症成人的常规隐喻加工:一项语义启动实验
本研究聚焦自闭症个体对常规隐喻的理解难题,采用跨群体对比设计,结合语义启动与词汇决策任务,揭示其在隐喻加工中存在更强的字面意义抑制效应,为理解自闭谱系的语言认知机制提供了重要实证支撑。
来源:Applied Psycholinguistics
时间:2026-04-14
-
基于神经网络的仿星器磁流体平衡算符建模:Fourier Zernike 谱方法在DESC求解器中的新应用
本文针对传统磁流体动力学(MHD)平衡求解器(如DESC)通常只能计算单个固定边界和旋转变换(rotational transform)下的静态平衡点,而无法高效生成连续压力参数变化下平衡场分布的问题,引入了一种基于多层感知机(MLP)的“狭窄算符模型”。该研究首次在DESC求解器的Fourier Zernike基函数体系中,通过优化神经网络参数,实现了仅改变压力不变量(由标量乘子ηp控制)即可获得连续平衡分布,其体积平均力残差接近DESC自身求解精度。这项研究为仿星器(stellarator)的数字孪生、实时控制和快速诊断解释提供了高效的算符模型基础,是迈向复杂等离子体控制策略和快速平衡场推理的重要一步。
来源:Journal of Plasma Physics
时间:2026-04-14
-
深度学习赋能金属浸渍BSE成像表征水泥基材料冻融微观劣化机制及氧化石墨烯增强效应
针对寒区工程水泥基材料冻融损伤难精准识别、纳米改性抗冻机理不清的问题,本研究创新性结合金属浸渍法与背散射电子(BSE)成像,引入深度学习算法实现微观损伤特征提取。模型识别准确率达83.4%,氧化石墨烯(GO)改性特征识别精度达92.6%,揭示了孔隙连通区、微裂纹边缘为核心损伤区域,为冻融耐久性设计与寿命评估提供了新技术手段与理论支撑。
来源:Journal of Materials Research and Technology
时间:2026-04-14
-
高熵合金-二维材料异质界面的无监督机器学习设计:揭示MnFeCoNiMg/MoS2电子输运调控新机制
本研究针对高熵合金(HEA)-二维材料(如MoS2)异质结界面性能优化难题,融合热力学模拟、密度泛函理论(DFT)与图神经网络(GNN),揭示了Co/Ni主导的d轨道杂化对肖特基势垒(Schottky barrier)与载流子迁移率的协同调控机制,实现了超低势垒(0.28 eV)与高迁移率(2.8 cm2/V·s)的突破,为下一代量子器件设计提供新范式。
来源:Journal of Materials Research and Technology
时间:2026-04-14