-
个体化负荷下公路自行车运动员腰屈-松弛现象的sEMG特征及其在长时间骑行中的异质性研究
本文聚焦公路自行车运动中常见的下背痛问题,研究者为探究长时间、生理学个体化负荷骑行对无症状运动员腰椎神经肌肉控制的影响,采用表面肌电图(sEMG)对31名运动员进行了骑行前后屈-松弛(FR)反应的评估。研究发现,长时间骑行并未在组水平引起FR的显著改变,但揭示了个体间的异质性反应模式。这表明sEMG结合FR评估,可作为识别无症状运动员个体神经肌肉行为的补充工具,具有重要的临床评估潜力。
-
载荷条件下军事人员神经肌肉跳跃性能的测力台评估:探索负重对慢速与快速拉伸缩短循环任务的影响
研究人员为探究战术装备对军事人员神经肌肉功能的具体影响,通过比较负重与无负重条件下CMJ和CMRJ的力-时特征,系统评估了载荷对慢速与快速拉伸缩短循环任务表现及测试指标可靠性的影响。结果表明,负重显著降低了跳跃高度和效率,并改变了发力策略;CMJ是负重条件下更可靠的监测工具。该研究为军事人员体能训练和战备状态监控提供了重要的实证依据。
-
大鼠脊髓损伤后激光显微切割的运动神经元、室管膜细胞层与背根神经节的蛋白质组学图谱
脊髓损伤后,组织发生复杂分子变化,但细胞类型特异性机制尚不清晰。为此,研究者对成年大鼠胸段(T11-T12)脊髓横断后2周或6周的腰段(L3-L5)激光显微切割的运动神经元(MNs)、室管膜细胞(ECs)及背根神经节(DRG)进行了蛋白质组学分析,定量检测了上千种蛋白质。该研究为揭示脊髓损伤后不同细胞类型的分子调控机制提供了关键数据资源,有助于发现新的治疗靶点。
来源:Scientific Data
时间:2026-04-04
-
一个高质量的内镜图像数据集,其中标注了喉返神经的位置,用于辅助人工智能进行甲状腺手术
摘要将人工智能(AI)整合到外科导航中是现代外科医学的一项重大进步。在腹腔镜甲状腺切除术中,保护喉返神经(RLN)至关重要,因为该神经容易受到医源性损伤,这种情况的发生率约为3-8%,可能导致严重的并发症,如声带麻痹。然而,现有的术中神经监测(IONM)技术存在成本高昂、依赖操作
来源:Scientific Data
时间:2026-04-04
-
人工耳蜗植入儿童伴或不伴额外发育障碍的接受性词汇结局:一项多中心横断面分析
接受性词汇是儿童语言、学业及认知发展的核心要素。人工耳蜗(cochlear implants, CI)可帮助重度至极重度听力损失儿童发展口语能力,但其词汇水平通常落后于典型听力(typical hearing, TH)同龄人;早期植入与听觉口语治疗(audit
来源:Audiology Research
时间:2026-04-04
-
面向轻量级卷积神经网络的非线性变换滤波器生成方法
研究人员提出了一种面向轻量级卷积神经网络(Lightweight CNN)的特征提取优化方法,通过在3×3深度卷积层中引入基于非线性变换函数(Nonlinear Transformation Functions, NLFs)的滤波器生成机制,仅对深度卷积层施加
-
MSC-LA-AKF:一种面向机载重力测量的多尺度卷积长短时记忆自适应卡尔曼滤波方法
研究人员提出了一种名为多尺度卷积长短时记忆自适应卡尔曼滤波(MSC-LA-AKF)的新型智能滤波框架,旨在解决传统卡尔曼滤波(KF)在处理机载重力数据时因噪声统计特性固定而导致的估计精度受限问题。该方法将深度学习与传统滤波理论深度融合,利用一个包含五路并行多尺
-
基于协作机器人的新型凸轮轴几何测量机器人试验台
在资源受限的物联网(IoT)设备上部署轻量级卷积神经网络(CNNs)以提供视觉服务,已成为解决计算与能耗约束的主流方案。然而,这些IoT设备常运行于复杂的户外环境(如雾、雨、雪),所采集的数据质量易发生退化,导致标准轻量级CNNs在数据损坏下性能显著下降。为此
-
MIFFNet:面向生菜鲜重估计的多维图像特征融合网络
生菜鲜重是评估作物生长状态和优化栽培管理的关键指标。传统测量方法效率低、误差大且依赖人工,难以满足连续监测需求。计算机视觉技术为实现基于图像的非破坏性鲜重估计提供了新途径。本研究提出MIFFNet,一种端到端的网络架构,旨在集成RGB图像、可见光植被指数(Vi
来源:Pattern Recognition
时间:2026-04-04
-
基于太赫兹衍射光学神经网络的轨道角动量全息映射
利用太赫兹(THz)频段的轨道角动量(Orbital Angular Momentum, OAM)为通信和成像系统提供了一种新的自由度。本研究提出了一种紧凑型衍射光学神经网络(Diffractive Optical Neural Network, DONN),
来源:Advanced Intelligent Discovery
时间:2026-04-04