-
用于低光照环境下实时事件驱动对象检测的小波增强变换器
小波增强Transformer检测网络在低光照事件视觉中的应用,通过嵌入小波变换的多分辨率分析抑制背景噪声并保留时空特征,结合优化后的Transformer架构实现实时检测(35FPS),在DSEC、Gen1和1Mpx数据集上mAP达38.4%-65.5%,并通过嵌入式平台验证和低至2.7lux的户外实验验证有效性。
来源:Neurocomputing
时间:2026-03-29
-
再次从Cephalopholis sonnerati(番茄石斑鱼)中建立稳定的脑细胞系,并对其对神经坏死病毒(NNV)感染的转录组反应进行解析
番茄龙胆脑源细胞系(TGB)成功建立并应用于病毒性神经坏死(VNN)研究,其染色体数目为49条,显著异于正常体细胞。该细胞系对病毒性神经坏死病毒(NNV)高度敏感,感染后12小时出现明显细胞病理效应(CPE),并通过转录组分析鉴定出irf3、irf7、irf9及cxcl10等关键抗病毒基因。该模型为研究NNV致病机制及开发防治策略提供了重要体外工具。
来源:Fish & Shellfish Immunology
时间:2026-03-29
-
综述:COVID-19 与空间记忆:认知模式、评估方法与神经基础
本文综述探讨了COVID-19对空间记忆这一核心认知功能的具体影响。文章整合了急性、急性后及新冠后遗症(PCC)阶段的临床证据,指出空间记忆在PCC患者中常见受损,尤其在长时程记忆和导航情境中。综述批判性地分析了传统神经心理学工具的局限性,并强调了结合虚拟现实(VR)等生态学评估新方法的重要性。文中进一步探讨了与COVID-19相关的神经生物学机制,指出海马体与内侧颞叶的结构与功能改变是关键所在。
-
远端神经转移术在桡神经再支配与手功能恢复中的应用:基于正中-桡神经远端转位的疗效与生活质量评估
本研究针对桡神经近端或广泛缺损导致的手部伸展功能严重障碍(如垂腕畸形),探讨了远端正中-桡神经转位(包括FDS分支转位至ECRB分支,以及FCR分支转位至PIN)联合旋前圆肌肌腱转位(PT-ECRB)的疗效。该前瞻性研究证实,该术式可有效恢复腕、指、拇指伸展功能,使所有患者获得满意功能恢复(BMRC M3-M5),并将患者生活质量中位数评分(PNSQoL)从术前的49显著提升至随访时的78,为复杂桡神经损伤提供了可靠的功能重建方案。
来源:Brain and Spine
时间:2026-03-29
-
综述:枪弹与破片致外周神经损伤的临床转归对比:单中心经验与基于损伤机制的诊疗原则
本文综述深入对比了枪弹与破片致外周神经损伤的机制、临床特点与治疗原则。作者基于107例患者经验,系统分析了两类伤情的核心差异:枪伤呈局灶、静止性损伤,而破片伤多为弥散、进展性,后者神经内异物(≈55%)与重度神经病理性疼痛(≈95%)发生率显著更高。治疗决策应据此个体化:破片伤强调早期(<3个月)手术探查、彻底清除异物(特别是神经内)及选择性神经移植;枪弹伤则更常受益于以神经松解术为主的连续性重建策略。文内通过详实数据与手术指征讨论,为临床优化此类高能创伤的显微外科管理提供了循证框架。
来源:Brain and Spine
时间:2026-03-29
-
一种融合时态图神经网络与边缘自动编码器的光伏-储能-充电(PWSC)协调系统网络物理入侵检测框架及其数字孪生验证
针对光伏-储能-电动汽车充电(PWSC)协调控制系统中虚假数据注入、指令欺骗和协调负载操纵等多点网络攻击难以检测的问题,本文提出了一种集成时态图神经网络、轻量级边缘自动编码器和数字孪生验证的网络安全框架。该框架构建了高保真数据集,通过建模网络级依赖性和设备级异常,实现了高效的攻击检测。实验表明,所提方法具有0.97 AUC、0.96 F1分数的高性能,并能有效缓解攻击引发的直流母线电压偏移和荷电状态振荡,为下一代分布式能源基础设施提供了可扩展的网络安全防护方案。
-
人工智能与深度学习在木材CT影像分析中的应用:基于伪空间表征的自动缺陷检测
本研究旨在解决传统木材CT影像人工判读存在的主观性、不一致性和效率低下等工业级应用瓶颈。研究人员将人工智能和深度学习技术应用于木材CT影像的自动化分析,针对内部缺陷(如木节、裂纹和腐朽)的检测和树皮分割开展研究。他们创新性地采用了一种将连续切片合并为RGB格式的伪空间表征方法,并结合卷积神经网络(CNN)进行训练。结果表明,该方法显著提升了缺陷检测的分类精度和模型鲁棒性,并利用梯度加权类激活映射(Grad-CAM)提高了模型决策的可解释性。这项工作为木材加工行业实现更可靠、客观和可扩展的质量评估提供了关键技术支撑。
-
为何物理学仍有价值:利用声子(Phonon)信息数据集提升材料性质机器学习(Machine Learning, ML)预测精度
摘要:机器学习(Machine Learning, ML)方法已成为以接近第一性原理精度且大幅降低计算成本预测材料性质的有力工具。然而,ML模型的性能关键取决于训练数据集的质量、规模及多样性。在材料科学中,这种依赖性对于学习能捕捉热激发、结构缺陷和化学无序的低
来源:Advanced Intelligent Discovery
时间:2026-03-29
-
过去和未来事件自传体推理的认知与神经基础
叙事身份(narrative identity)依赖于构建连贯的人生故事。虽然面向过去叙事的认知和神经基础已有充分记录,但面向未来叙事的认知和神经基础却知之甚少。本研究探讨了自传体推理(autobiographical reasoning)——定义为反思事件的
来源:Neuropsychologia
时间:2026-03-29
-
多模态对比增强分子表示学习与性质预测
分子表示学习(MRL)因在下游应用(如分子性质预测和药物发现)中的关键作用而备受关注。在大多数MRL方法中,分子通过图神经网络(GNN)编码为2D拓扑图,但该网络存在过平滑问题和感受野受限。此外,大多数GNN模型未能利用决定分子理化性质与生物活性的3D空间结构
来源:Biophysica
时间:2026-03-29