-
高水平网球运动员与中等水平网球运动员在正手击球过程中的运动学特征及肌肉激活差异
布鲁诺·佩德罗(Bruno Pedro)、
西尔维娅·卡布拉尔(Silvia Cabral)、
菲利帕·若昂(Filipa João)、
安迪·曼·基特·雷(Andy Man Kit Lei)
以及安东尼奥·P·维洛索(António P. Veloso)
摘要
本研究比较了高水平(HP)和中等水平(INT)网球运动员正手击球的运动学和神经肌肉特征。共有18名右手持拍的男性运动员(HP组:9名;INT组:9名)进行了跨场正手击
-
综述:拟南芥(Arabidopsis thaliana)在谷氨酸受体相关神经退行性疾病研究中的潜在贡献
拟南芥(Arabidopsis thaliana)作为植物生物学中广泛应用的模式生物,近年来被视为探索人类疾病相关机制的参考系统。拟南芥与哺乳动物之间存在部分基因组与功能层面的相似性,这增强了其在解析神经退行性疾病中保守应激与信号通路方面的潜力。谷氨酸受体(G
来源:Phytochemistry Reviews
时间:2026-04-06
-
综述:神经与发育障碍中马辅助治疗的疗效和安全性:一项系统综述
本综述聚焦马辅助治疗(HAT)在脑瘫(CP)、多发性硬化(MS)、唐氏综合征(DS)及孤独症谱系障碍(ASD)四大疾病中的应用。尽管HAT在上述疾病中显示出在粗大运动功能、姿势控制、行走表现及社交沟通等特定领域的改善前景,但现有证据在研究方法、干预方案及结局指标上均存在显著异质性,且安全性数据稀缺。综述指出,目前证据尚不足以支持HAT成为常规临床实践,亟需更大规模、方法学严谨、有预注册和标准化方案的前瞻性随机对照试验(RCT)来提供更可靠的证据基础。
来源:Discover Medicine
时间:2026-04-06
-
通过缺陷辅助的介电极化,在反尖晶石结构NiFe₂O₄中实现了忆阻式电荷存储功能
本文通过Cu/NiFe₂O₄/Cu对称器件结构,首次实验证明了逆尖晶石NiFe₂O₄薄膜的memcapacitive特性,其机理涉及缺陷辅助极化、空间电荷积累和介电弛豫,材料采用低温水热法合成,适用于神经形态计算。
来源:Materials Science and Engineering: B
时间:2026-04-06
-
基于CNN-OOA的网络威胁检测:保护电子学习免受网络钓鱼攻击
网络犯罪利用在线学习平台漏洞,疫情期间钓鱼攻击频发,传统方法存在误报率高、计算成本大、适应性差等问题。本文提出CNN-Orca混合模型,通过Orca优化算法实时调优CNN超参数,显著提升未知钓鱼攻击检测性能,邮件检测准确率96.89%、AUC 99.49%,网站检测准确率98.04%、AUC 99.60%。该方案有效增强在线教育平台安全防护。
来源:ARABIAN JOURNAL FOR SCIENCE AND ENGINEERING
时间:2026-04-06
-
微环境响应性外泌体-水凝胶混合系统在脊髓损伤后用于调节炎症和促进神经再生
脊髓损伤修复通过双网络水凝胶搭载M2巨噬细胞外泌体实现精准调控,利用ROS响应性降解机制实现损伤部位靶向释放,有效抑制M1巨噬细胞和A1星形胶质细胞活化,促进神经再生并改善运动功能。
来源:Chemical Engineering Journal
时间:2026-04-06
-
ES-PINN:一种基于环境感知的、融合物理信息的神经网络,用于从RGB图像中进行光谱重建
光谱重建在单张RGB图像中通过环境感知模块RSPDE与物理信息神经网络ES-PINN实现,创新性地融合Retinex理论、光场相位调制及LMS加权融合技术,建立物理约束模型提升跨光照泛化能力。
来源:Expert Systems with Applications
时间:2026-04-06
-
从物理模型到机器学习:区域供热建筑热负荷预测方法评估与输入数据影响分析
本研究针对建筑热负荷预测中现有方法评估不足、输入数据影响不明的问题,系统评估了物理模型、NARX神经网络和等效温度模型在长期监测的波兰住宅建筑中的应用。研究发现,使用近期、季节性对齐数据训练的NARX网络表现最佳(R2=0.937, cvRMSE=9.96%),是准确预测热负荷的最稳健工具。这项工作为优化区域供热系统运行、支持预测性控制策略提供了关键见解。
来源:ENERGY AND BUILDINGS
时间:2026-04-06
-
基于RANS(雷诺平均Nav-斯托克斯)模拟与数据驱动前馈卷积神经网络,预测复杂林区地形中的风速
在复杂地形和森林覆盖区域,传统的计算流体力学(CFD)模拟虽然精度高,但计算成本巨大,难以进行大规模参数研究。为突破此瓶颈,Lakdawala、Nadeem和Kassem开展了一项主题为“利用RANS代理模型与数据驱动前馈卷积神经网络(FFCNN)预测复杂林区地形风速”的研究。他们基于OpenFOAM的FIWIND工具链生成的高保真CFD-RANS风场数据,训练了纯粹的、数据驱动的神经网络代理模型。结果表明,该模型在未见条件下能准确复现垂直风速廓线(误差在10%以内),并能以99%的置信度预测轮毂高度水平风场(相对误差在15%以内)。这项研究为实现快速、高效且保留CFD级精度的风资源评估提供了一种有前景的新途径,对风电场的规划与设计具有重要意义。
来源:Energy and AI
时间:2026-04-06
-
基于深度学习实时分析室内运动比赛局势:以手球和篮球为例
为提升室内运动直播的自动化水平,解决动态镜头控制依赖人工、资源消耗大的问题,Bruno Cabado等人开展了一项基于深度学习的实时比赛局势分类研究。他们提出了一套端到端处理流程,利用YOLO模型检测球员和球,结合跟踪技术生成包含位置和速度矢量的合成帧表示,并采用定制DenseNet进行分类。该系统在手球和篮球比赛视频上分别实现了96.1%和92.5%的宏平均F1分数,单帧推理时间低于4毫秒,全流程处理速度超过25帧/秒,成功部署于生产环境,证明了其在资源有限条件下实现专业级自动直播的潜力和跨运动项目的可迁移性。
来源:Expert Systems with Applications
时间:2026-04-06