-
理解图像检索重排序:图神经网络的视角
作为图像检索中主要的后处理工具,重排名方法利用高置信度样本优化排序。现有方法计算成本高,本文提出基于图神经网络(GNN)的实时重排名方案,将传统流程分解为构建k近邻图和消息传递两个阶段,通过并行处理和稀疏图结构设计显著降低计算开销。实验验证在Market-1501等5个数据集上,单GPU即可实现9.4ms的加速效率,同时保持与原有方法相近的检索性能。
来源:ACM Transactions on Multimedia Computing, Communications, and Applications
时间:2026-03-30
-
利用孪生神经网络的迁移学习进行物联网固件版本识别
物联网设备固件版本识别研究采用迁移学习与双神经网络(TNN)技术,通过分析网络流量统计特征生成灰度图像,利用TNN计算相似度评分并基于Hedges’ g效应量检测版本变化。实验在12台设备11天运行中,稳定版本识别达95.83%,版本变更检测84.38%。
来源:ACM Transactions on Internet Technology
时间:2026-03-30
-
EMPRA:针对神经排序模型的嵌入扰动排名攻击
本文提出EMPRA方法,通过扰动句子级嵌入实现对抗攻击,使目标文档在MS MARCO等数据集上排名从51-100跃升至前10,且不依赖代理模型提升鲁棒性。
来源:ACM Transactions on Information Systems
时间:2026-03-30
-
AI4DSE:利用动态图神经网络和大型语言模型优化高级综合设计空间探索
HLS设计空间探索中提出ECoGNNs-LLMMHs框架,通过图神经网络与自适应消息传递提升预测精度,平均误差降低17.6%-40.8%,并实现Pareto前沿质量提升(ADRS减少61.5%-68.2%)。代码及模型已开源。
来源:ACM Transactions on Design Automation of Electronic Systems
时间:2026-03-30
-
基于颅面及脑部解剖标志的三维照片真实感和虚拟现实技术对大脑顶叶上脑室系统的研究
三维重建与虚拟现实技术辅助神经外科解剖培训研究,通过窗颅开颅术结合光摄影测量生成9个高精度脑室三维模型,实现三维空间内脑室系统与皮质表浅结构及颅骨标志的可视化交互观察,验证了VR技术对深部脑室解剖认知提升的有效性。
来源:Optometry and Vision Science
时间:2026-03-30
-
根据脑膜膨出瘤的起源部位和扩散范围,推荐的6种外科治疗方法
本研究探讨经鼻内镜手术中视神经管上壁减压的技术要点,量化减压程度并分析其与肿瘤特征及预后的关联。结果显示,更宽的减压与复杂肿瘤及视力改善相关,独立于肿瘤大小预测视力预后。
来源:Orthopaedic Nursing
时间:2026-03-30
-
在个性化术中面部神经监测中提高精确度:颅底手术期间功能性磁共振成像引导与传统电极放置方法在经颅运动诱发电位检测中的比较分析
本研究采用fMRI引导的神经导航电极montage进行颅底肿瘤手术的面神经监测,结果显示该方法较传统C3/C4 montage显著降低刺激阈值(基线65.5 vs 73.5 mA,缝合时85.3 vs 96.3 mA),术后85%患者达到House-Brackmann I级,证实其有效性并减少术中神经损伤风险。
来源:Optometry and Vision Science
时间:2026-03-30
-
神经外科听诊器——通过声透性颅骨植入物推进神经外科的床旁影像技术:病例系列研究
本研究评估了超声经颅透明植入物成像(TCUS)作为神经外科术后床旁诊断工具的可行性和应用性。纳入9例40-76岁接受透明颅骨植入物修复的患者,在CT/MRI前进行TCUS检查,时间为2-5分钟。结果显示TCUS与影像学结果一致,证实其作为快速非侵入性诊断工具的潜力,类似神经外科听诊器,但需更多研究验证。
来源:Orthopaedic Nursing
时间:2026-03-30
-
基于可解释CNN-GRU自注意力模型与数据增强的可穿戴传感器人体活动识别研究
为了提升人体活动识别(HAR)的精度、泛化能力和模型可解释性,研究人员开展了一项结合CNN、GRU与自注意力机制的深度学习模型研究。模型通过滑动窗口预处理策略,在UCI-HAR、WISDM、PAMAP2及WISDM-19等多个数据集上均取得了超过96%的优异识别准确率,最高达99.70%。该研究提出的框架能同时捕捉时空信息,对临床、康复及监测应用具有重要价值。
来源:IEEE Access
时间:2026-03-30
-
化学结构表征新范式:整合分子结构与子结构的异质嵌入模型研究
本研究旨在解决SMILES等分子表征格式在机器学习应用中存在的局限性。研究人员通过将分子分解为子结构并计算其描述符,以此作为语言模型(LM)的输入,并构建了整合RoBERTa语言模型与GIN、GCN、Graphormer等图模型的双模态架构。该框架在定量构效关系(QSAR)预测等任务上展现出显著优于传统方法的性能,为化学信息学提供了更精细、化学意义更强的模型输入策略。
来源:IEEE Access
时间:2026-03-30