-
用于儿童颅眶肿瘤的前额颞-眶颧入路:一家中心的经验
儿童颅眶沟通性肿瘤的前额颞-眼眶-颧弓手术入路可行性及并发症分析,纳入13例患儿(4-156月),术后中位随访21月,病理包括OPG-uDCI等6类肿瘤,并发症1例严重眼葡萄膜炎伴角膜溃疡,3例全切术后复发。FTOZ路径在特定病例中可行但需更大样本验证安全性及疗效。
来源:Child's Nervous System
时间:2026-03-24
-
比较神经外科和普通重症监护病房护士对外部脑室引流护理知识的掌握程度:一项全国性研究
通过比较神经外科重症监护病房(NICU)和普通重症监护病房(GICU)护士在处理外部脑室引流(EVD)患者的知识与实践水平,研究发现NICU护士的总分显著更高(p≤0.00001),且具有持续更新专业知识的护士表现更优。研究建议优先将EVD患者收治于神经外科ICU。
来源:Nursing in Critical Care
时间:2026-03-24
-
探索一种基于过程感知的时空图模型的替代方法,用于集成式城市排水系统模拟
智能城市排水系统模拟中,过程感知时空图神经网络模型PAST通过融合LSTM和GAT实现水文-水动力联合仿真,创新性地引入自适应连接层编码工程控制规则,在中等透水率住宅区测试中NSE达0.96和0.88,显著优于基线模型且具备物理可解释性。
来源:Journal of Hydrology
时间:2026-03-24
-
基于“拆解神经符号世界模型”(Disassembly NeuroSymbolic World Model)的工业级、可靠且可执行的动力电池拆解系统
动力电池拆卸场景具有高异质性、强不确定性和非结构化环境特征,传统自动化与简单智能方法面临瓶颈。本文提出基于双系统(Deliberative+Reactive)的神经符号化智能系统,通过LLM实现长周期任务推理与多机器人协作规划,结合基于运动学的神经网络加速运动计算,构建可扩展的移动-固定机器人执行平台。系统融合符号规划与数据驱动模型,支持多模态交叉验证和持续学习,形成安全可靠的闭环感知-推理-执行框架。实验验证其在复杂开放环境中的安全性和泛化能力,为工业可信智能解决方案提供技术路径。
来源:JOURNAL OF MANUFACTURING SYSTEMS
时间:2026-03-24
-
使用决策树的神经网络控制器的等效与紧凑表示方法
本研究将基于神经网络的控制器转换为等效软决策树控制器,通过精确高效的分支剪裁算法提升形式验证可行性,并在三个OpenAI Gym环境中验证了该方法使运行效率最高提升20倍的显著效果,包括自主驾驶场景。
来源:IEEE Transactions on Automatic Control
时间:2026-03-24
-
RSE-PINN:一种基于物理知识的深度学习框架,用于预测露天爆破中的峰值粒子速度
准确预测峰值粒子速度(PPV)对露天爆破安全与振动控制至关重要。本文提出RSE-PINN框架,融合残差网络与注意力机制提取特征,嵌入萨多夫方程和单调性物理约束,结合Optuna自动调参与可视化平台,实现高精度、可解释的PPV预测。实验表明,RSE-PINN相比传统机器学习模型R²提升15%,RMSE、MAE分别降低44.3%、43.6%,且物理一致性显著增强。
来源:Expert Systems with Applications
时间:2026-03-24
-
基于多尺度自适应图神经网络的动态相关性建模与不完整时间序列的插补
本文提出基于多尺度特征提取的自适应图神经网络(MSAGNN)方法,通过闭环优化过程处理缺失值,结合自适应图学习模块捕捉不同尺度的变量间依赖,并利用注意力机制融合多尺度信息,有效提升缺失值填补效果。
来源:Expert Systems with Applications
时间:2026-03-24
-
基于多传感器信息的GConvNeXt模型,结合融合特征增强技术,用于识别多螺栓连接结构的松动状态
针对多螺栓连接结构松动检测中单传感器信息不足和数据稀缺的问题,提出一种多传感器信息引导的GConvNeXt-FA模型,通过特征融合与增强提升数据多样性和模型性能,实验验证在两种法兰结构上有效。
来源:Expert Systems with Applications
时间:2026-03-24
-
在卷积编码器-解码器网络中优化跳跃连接,以使用移位窗口变换器模块实现整个脑膜瘤的分割
航空发动机健康监测方法通过可解释深度神经网络(IDNN)优化模型误差,利用SDAIG区分物理不显著特征,结合飞行数据验证实现24%预测误差降低,支持故障诊断。
来源:Engineering Applications of Artificial Intelligence
时间:2026-03-24
-
设计了一种65纳米CMOS神经形态电路,用于序列字母数字模式的检测,并通过实验进行了验证
基于LIF神经元的CMOS兼容神经形态架构,采用64×36交叉阵列实现36种 alphanumeric 模式的时序检测,每个模式对应8×8像素输入。创新性地设计互斥抑制型LIF神经元组成的 spike mismatch检测单元,结合简化模拟WTA逻辑实现模式匹配。硬件实现验证显示单列功耗25.82μW,推理能耗64.55pJ,在±2.5℃温度波动下保持鲁棒性,对2-3像素扰动的识别准确率>95%,支持1MHz实时验证。硬件原型采用SN7404和CD4007离散IC实现精准脉冲生成与抑制控制。
来源:IEEE Transactions on Very Large Scale Integration (VLSI) Systems
时间:2026-03-24