-
肺容量招募减缓肌萎缩侧索硬化症患者肺功能下降并延长生存期
简明语言摘要:背景与目的:关于肺容量招募(LVR)对肌萎缩侧索硬化症(ALS)患者的长期影响,相关研究较少。本研究旨在阐明LVR对呼吸功能(目标1)和生存期(目标2)的影响。方法:本回顾性队列研究纳入2015年至2020年期间住院并接受LVR治疗的ALS患者。
来源:The Journal of Nervous and Mental Disease
时间:2026-03-26
-
你的恢复有多深?重新思考神经康复中的真正运动恢复与代偿
研究人员提出了一种新的框架来解决“真正”恢复与代偿之间的二元对立问题:一个分层模型,其中恢复不是二元概念,而是由其在运动系统多个层次(从神经元到任务表现)中的深度来定义。该模型将运动系统视为一个因果关联的分层结构,从内部生理层(例如突触可塑性)延伸到外部行为层
来源:International Journal of Rehabilitation Research
时间:2026-03-26
-
商业建筑部门能源灵活性潜力评估、优化与预测的集成方法
随着对可再生能源依赖的增加,利用能源灵活性是管理间歇性发电、确保可靠性以及优化能源使用的关键。本研究开发并实施了一种评估和管理商业部门能源灵活性的方法,特别关注位于西班牙瓦伦西亚的一家超市。该研究基于实时数据对总电力负荷进行初始分析和分解,并结合从技术文献和对
来源:ENERGY AND BUILDINGS
时间:2026-03-26
-
多保真延迟接受:基于深度神经网络融合多求解器的贝叶斯逆问题层次马尔可夫链蒙特卡罗采样
逆不确定性量化(UQ)任务(如参数估计)在处理基于物理的模型时计算需求巨大,通常需要重复评估复杂的数值求解器。当涉及偏微分方程(PDE)时,基于有限元法(Finite Element Method, FEM)等全阶模型可能使传统的采样方法(如马尔可夫链蒙特卡罗
来源:COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING
时间:2026-03-26
-
使用CNN、Transformer和带注意力的BiLSTM进行心音分类的深度多模态学习
心音图(PCG)信号为心血管疾病提供了一种非侵入性、低成本的筛查工具。然而,其噪声和非平稳特性使得自动分类具有挑战性,传统方法通常无法捕捉复杂的频谱-时间模式。本研究提出了一种用于心音二分类(健康 vs. 不健康)的多模态深度学习架构。该混合模型集成了卷积神经
来源:Symmetry
时间:2026-03-26
-
混合智能能源社区与面向能源转型人工智能时代的机器学习方法
混合智能能源社区(HySEC)模型是一个用于优化混合可再生能源系统的集成框架,统一了建筑信息模型(BIM)、物联网(IoT)和数据驱动建模,作为能源转型的一种创新方法。一个Revit-Twinmotion BIM模型,丰富了地形、计算机辅助设计(CAD)和真实
-
基于U-Net卷积神经网络的多类别杂草量化使用无人机影像
杂草识别与量化通常是人工、主观且易出错的过程。杂草与作物竞争养分、矿物质、物理空间、阳光和水分。因此,杂草识别是精准农业(Precision Agriculture, PA)中实现自主清除、定点处理、高效杂草控制和可持续性的关键组成部分。卷积神经网络(Conv
来源:Applied Sciences
时间:2026-03-26
-
基于动态神经网络的RGB-D显著目标检测模态互补性学习
RGB-D显著目标检测(RGB-D SOD)旨在通过联合利用RGB图像和深度图(depth map),精确定位并分割视觉显著目标。现有部分方法依赖固定路径和权重的静态融合策略,对所有区域一视同仁,未能捕获不同区域和模态(modality)的重要性差异。尽管一些
来源:Electronics
时间:2026-03-26
-
基于条件Wasserstein生成对抗网络与梯度惩罚(CWGAN-GP)及挤压激励卷积神经网络(SE-CNN)的阿拉伯儿童手写字符识别增强研究
摘要:本研究探讨利用条件Wasserstein生成对抗网络结合梯度惩罚(Conditional Wasserstein Generative Adversarial Network with Gradient Penalty,CWGAN-GP)生成合成样本进行
来源:Information
时间:2026-03-26
-
基于改进黏菌算法的高温高压条件下压力传感器智能温度补偿方法
在深部和超深部油气钻井过程中,井下高温高压条件显著影响压阻式压力传感器的测量精度。为了改善此类极端条件下的测量精度,研究人员提出了一种基于改进黏菌算法(Modified Slime Mold Algorithm, MSMA)的智能温度补偿方法。建立了覆盖0–1
来源:Micromachines
时间:2026-03-26