当前位置:首页 > 今日动态 > 神经科学
  • 冻结去噪器编码器的预训练参数:扩大像素参与度并滤除高频噪声

    图像去噪中提出冻结预训练编码器仅更新解码器参数的训练策略,实验表明该方法有效扩展输入像素影响范围并过滤高频噪声,提升模型泛化能力。

    来源:Neural Networks

    时间:2026-03-04

  • 基于锚图学习的高阶相关性与一致性感知多视图聚类

    多视图聚类框架HCAGL通过锚图学习降低维度并提升计算效率,利用张量Schatten p-范数捕捉跨视图高阶关联,结合自适应邻域图学习策略增强跨视图一致性,实验表明其在六个基准数据集上聚类效果优于现有方法。

    来源:Neural Networks

    时间:2026-03-04

  • 双重生成对抗图网络:基于球形图嵌入的无监督和半监督学习方法

    球面图嵌入双生成对抗网络框架提升图聚类与半监督分类性能,实验验证优于基线方法。

    来源:Neural Networks

    时间:2026-03-04

  • 具有局部调整和全局缩放学习率的稳定迭代剪枝算法

    迭代剪枝因梯度失衡导致权重重要性评估不稳定,我们提出LAGA通过局部动态调整与全局学习率缩放机制,有效平衡训练稳定性与模型压缩效果,实验在多个模型和数据集上验证其有效性。

    来源:Neural Networks

    时间:2026-03-04

  • 胆汁酸与微生物群在多发性硬化症中的相互作用:从实验模型到早期临床证据

    本文探讨胆汁酸代谢与肠道微生物群双向调控机制及其在多发性硬化症(MS)中的病理作用,实验模型显示特定胆汁酸可调节免疫细胞平衡、抑制神经炎症,临床研究证实MS患者胆汁酸谱紊乱与神经退行性相关。该框架为整合环境因素、代谢状态和神经免疫调控提供了理论依据,并指出其作为生物标志物和治疗靶点的潜力。

    来源:Journal of Neuroimmunology

    时间:2026-03-04

  • 纵向深度多组学剖析揭示CLN3Δex7/8小型猪模型疾病生物标志物新图谱

    本研究通过纵向、深度、多组学(代谢组、蛋白质组)分析,在CLN3Δex7-8小型猪模型中,系统揭示了巴藤病(CLN3病)的血液分子特征动态演变。研究鉴定了包括组织蛋白酶(CTSS/CTSB)、甘油磷酸二酯(GPDs)等在内的新型生物标志物,并构建了可准确区分患病与健康动物的复合评分(sPLS score),为理解疾病进程、开发靶向疗法及评估疗效提供了关键的转化性工具。

    来源:Communications Medicine

    时间:2026-03-04

  • 综述:生活方式策略与减缓神经退行性变的机制意义

    本综述系统梳理了饮食与运动这两种关键的生活方式干预如何通过多重机制协同保护大脑。文章重点阐述了代谢转换(间歇性禁食、生酮饮食)、热量限制及高膳食质量(地中海、DASH、MIND饮食)三种饮食策略,与规律运动共同作用,通过减轻神经炎症、增强自噬、促进神经发生、减少神经元死亡及减轻病理蛋白(如Aβ、Tau)负荷等核心通路,发挥神经保护作用,为预防和减缓阿尔茨海默病(AD)等神经退行性疾病提供了坚实的科学依据和潜在的干预靶点。

    来源:npj Metabolic Health and Disease

    时间:2026-03-04

  • 阿尔茨海默病中白质高信号的阶段依赖性中介作用:连接血浆生物标志物与认知功能的桥梁

    本研究旨在阐明阿尔茨海默病(AD)谱系中,不同部位白质高信号(WMH)在连接血浆生物标志物与认知功能间的中介作用。通过分析311名参与者(包括健康对照、主观认知下降、轻度认知障碍及AD患者)的数据,研究揭示了区域WMH体积与血浆生物标志物(如Aβ42/Aβ40)及多个认知域的相关性。中介分析表明,在认知未受损个体中,淀粉样蛋白相关通路占主导,而在认知受损患者中,神经炎症和神经退行性变等通路的作用扩展,呈现出阶段依赖性模式。这为开发针对不同疾病阶段的靶向治疗策略提供了见解。

    来源:Translational Psychiatry

    时间:2026-03-04

  • 选择性HER4激活:新型融合蛋白JK07实现神经调节蛋白-1的心脏功能改善作用并规避HER3相关癌症风险

    神经调节蛋白-1(NRG-1)是治疗心力衰竭(HF)的潜在药物,但HER3受体激活带来的癌症风险与毒性限制了其应用。本研究设计了一种新型抗体融合蛋白JK07,它能选择性阻断HER3信号的同时激活HER4,在啮齿类及非人灵长类动物HF模型中证实,JK07可在保留心脏功能改善疗效的同时降低HER3相关的潜在风险,为HF治疗提供了新策略。

    来源:npj Drug Discovery

    时间:2026-03-04

  • : WEViT: 基于权重纠缠与类特定注意力的神经网络架构搜索优化视觉Transformer用于弱监督语义分割

    本文针对弱监督语义分割中传统方法难以在定位精度与模型可扩展性间取得平衡的问题,提出了一种创新的框架WEViT。该研究首次将神经网络架构搜索与视觉Transformer相结合,通过权重纠缠策略训练超级网络,并利用进化算法搜索最优架构,进而提取并精化类特异性注意力图以生成高质量的对象定位图。实验表明,WEViT在PASCAL VOC 2012和MS COCO数据集上取得了最先进的性能,为可扩展、高效且准确的弱监督分割解决方案铺平了道路。

    来源:Neural Networks

    时间:2026-03-04


高级人才招聘专区
最新招聘信息:

知名企业招聘:

    • 国外动态
    • 国内进展
    • 医药/产业
    • 生态环保
    • 科普/健康