-
基于临床与手术因素的唾液腺腺泡细胞癌SEER生存列线图:个体化预后预测模型的构建与验证
文章推荐
本综述聚焦于唾液腺腺泡细胞癌(AcCC),针对其复发、转移与死亡风险,首次利用美国SEER数据库大样本数据,构建并验证了一个整合年龄、性别、TNM分期及手术类型等临床因素的列线图(nomogram)模型。该模型在预测患者3年与5年总生存期(OS)方面表现出色(C指数0.824,AUC>0.8),为临床医生提供了一种量化、个体化的预后评估工具,有助于优化治疗决策与患者管理。
来源:Medical Care
时间:2026-03-16
-
基于深度神经网络的自动化变压器设计,用于多级宽带毫米波功率放大器
提出一种基于深度神经网络的自动化1:1变压器设计流程(DNN-ATD),用于多级宽带毫米波功率放大器(PA),通过代理电磁求解器和饱和输出功率预测模型显著缩短设计周期。测试表明在130nm SiGe工艺下,设计的PA实现了20-60GHz和40-100GHz频段的高性能指标。
来源:IEEE Transactions on Microwave Theory and Techniques
时间:2026-03-16
-
10×10非晶InGaZnO忆阻器交叉阵列的特性研究及其在1T1M集成中的二进制神经网络性能表现
本研究通过Mo/Al2O3/IGZO/Pd多层结构制备了10×10 a-IGZO被动交叉阵列及TFT,验证了a-IGZO作为1T1M统一材料平台的可行性。器件实现>1000 on/off比,500+循环耐久性,1V读取下稳定双极开关特性,并通过SPICE模拟验证主动矩阵配置的读取余量优势,为神经形态硬件开发提供新方案。
来源:IEEE Transactions on Electron Devices
时间:2026-03-16
-
一种用于多模态信息计算中特征表示学习的区分性关联平台
智能多媒体计算中基于深度神经网络的可持续发展与可解释性学习模型研究。通过融合统计机器学习原理与感知机式神经网络级联架构,提出DC-PNN模型实现多模态特征高效表征,在六类基准数据集和青光眼图像分类实际应用中验证其优越性及资源效率优势。
来源:ACM Transactions on Multimedia Computing, Communications, and Applications
时间:2026-03-16
-
用于神经视频压缩的双尺度变换器及可变比特率同步技术
神经视频压缩通过改进自注意力机制和跨门控前馈网络提升编码效率,采用变量比特率同步策略优化训练,实验显示性能优于现有SOTA方法和H.266/VVC标准。
来源:ACM Transactions on Multimedia Computing, Communications, and Applications
时间:2026-03-16
-
面向6G医疗物联网的混合CNN-BiLSTM网络攻击检测框架
随着IoMT(医疗物联网)与6G(第六代移动通信技术)在医疗领域的融合,其面临的安全挑战日益严峻。为解决IoMT网络因异构性导致的传统安全机制不足问题,研究人员提出了一种基于1D-CNN-BiLSTM(一维卷积神经网络-双向长短期记忆网络)的混合入侵检测系统(IDS),旨在通过捕捉网络流量的空间特征与时间依赖性来精准检测异常。在ECU-IoHT数据集上的实验结果表明,该模型表现出色,准确率达99.40%,F1分数达98.95%,ROC-AUC分数达99.87%,验证了其作为保护6G医疗物联网基础设施的鲁棒安全解决方案的潜力。
来源:IEEE Communications Standards Magazine
时间:2026-03-16
-
基于时序多关系图神经网络的联邦学习恶意客户端检测新范式
针对联邦学习(FL)实际部署中存在的恶意客户端行为不可预测、发动协同延时攻击、并利用非独立同分布(non-IID)数据异质性隐匿攻击行为等安全挑战,TMRGNN研究将FL安全问题重新构想为一个多视图时序推理问题。该研究构建了参数、梯度、预测和通信四种互补的关系图,并利用图注意力机制从良性异质性中区分微弱的恶意信号,同时通过时序特征引擎和GRU融合层捕捉长时间范围的对抗漂移。在多项实验中,该方法对早期攻击实现了100%召回率,对30%恶意客户端下的协同延时攻击召回率达0.91-0.97,并能够有效识别极难检测的慢漂移攻击。该工作证明了时序多关系图学习是保护下一代联邦学习系统的一种高效范式。
来源:IEEE Open Journal of the Communications Society
时间:2026-03-16
-
基于交通流量与机器学习的OD矩阵估计:一种模拟数据驱动的高精度新方法
本文针对缺乏公开大数据的OD矩阵估计难题,研究人员利用交通模拟(SUMO)生成合成数据集,并通过机器学习模型(如ANN+SVR混合模型)进行高精度预测。研究表明,机器学习方法显著优于传统模拟工具DFRouter,为交通规划与事故预防提供了更可靠的数据基础。
来源:IEEE Access
时间:2026-03-16
-
图神经网络赋能5G网络智能预测性维护:从空间相关性建模到可靠服务保障
5G无线链路在恶劣天气下易中断,影响服务质量和运营商目标。研究人员针对传统方法难以处理极端类别不平衡和空间依赖性的问题,开展了基于图注意力网络(GAT)的智能预测性维护研究。他们利用来自土耳其Turkcell的真实运营商数据集,构建了天气足迹图来建模站点间的空间依赖,实现了对无线链路故障的精准预测,模型F1分数达0.717,优于多种基线。这项研究为通信网络的高可靠性运维提供了创新的智能决策工具。
来源:IEEE Access
时间:2026-03-16
-
使用参考站点模型评估无发电功能水坝的水电成本
Gbadebo Oladosu 和 Yu Ma
。
摘要
高温流体反应堆(A
来源:Energies
时间:2026-03-16