• 基于混合集成学习的急性缺血性卒中后卒中相关性肺炎预测模型构建与多中心验证

  背景： 卒中相关性肺炎（Stroke-Associated Pneumonia, SAP）是急性缺血性卒中（Acute Ischemic Stroke, AIS）后常见且严重的感染性并发症，可导致临床结局恶化。研究人员旨在开发并验证一种基于混合集成学习（Ble

  来源：Frontiers in Neurology

  时间：2026-09-19

• 信源可信度的神经认知机制：工作经验和患者评分对医疗真实性线索加工的调节作用

  引言：信源可信度（source credibility）对医疗信息加工至关重要，但其背后的神经认知机制仍不清楚。研究人员考察了两种可信度线索——医生的专业水平（工作年限）和患者总体评分（星级评分）——如何调节大脑对健康相关标题后呈现的真实性线索（"真实"与"

  来源：Frontiers in Human Neuroscience

  时间：2026-09-19

• ### 赛前期年轻与职业足球运动员睡眠效率与心脏自主神经调节的关联研究

  **目的**：本研究旨在探讨赛前期年轻与职业足球运动员睡眠效率与心脏自主神经调节之间的关联。 **方法**：开展了一项横断面定量研究，纳入53名男性足球运动员，分为三个类别：U-15（n = 12）、U-17（n = 15）和职业组（n = 26）。采用匹兹

  来源：Sleep and Breathing

  时间：2026-09-19

• 基于神经网络的墨西哥城双联建筑高宽比不规则性对地震可靠性的影响研究

  摘要墨西哥的法规为建筑设计制定了精确的标准，尤其是关于抗震设计方面。为实现可接受的安全水平，抗震设计反应谱必须根据建筑物的规模、延性、超稳定度、特定不规则性等因素进行调整。本研究重点考察了根据《墨西哥城建筑法规2017》（RCCDMX17）及其《补充技术标准》（NTC17），

  来源：Scientific Reports

  时间：2026-09-19

• 基于图神经网络的电力系统网络物理保险定价与安全投资框架

  摘要网络保险转移的是在实施技术控制措施后仍存在的剩余网络风险，然而传统定价模型很少依据电网拓扑、运行状态、通信依赖性和物理后果对损失进行条件化评估。我们开发了一个图神经网络（GNN）框架，用于为电力系统中的虚假数据注入、拒绝服务、继电器欺骗和协同网络物理攻击定价。本研究的具体

  来源：Scientific Reports

  时间：2026-09-19

• 基于视网膜图像的新型免校准眼动追踪器及其在健康与神经退行性疾病人群中的验证

  摘要眼动追踪技术在我们生活的各个方面越来越普遍。目前，它已广泛应用于研究、教育、诊断和娱乐等领域，例如虚拟现实头戴设备。然而，广泛使用的基于视频的眼动追踪器需要依赖受试者的校准，这使得它们不适合检查目光不稳定的人群，如神经退行性疾病患者。我们提出了一种新型免校准的视网膜前眼动

  来源：Scientific Reports

  时间：2026-09-19

• 忆阻器欣德马什-罗斯神经元模型中内部危机引发间歇性大幅振荡的统计特征分析与分数阶稳健性研究

  摘要本研究系统地研究了忆阻器欣德马什 - 罗斯神经元模型中所有三个状态变量的间歇性大幅振荡。由内部危机引起的间歇性所产生的大幅波动，首先通过局部和双参数分岔分析加以识别。随后，利用显著高度阈值准则、概率分布函数、超过概率以及连续时间窗口内超过阈值的峰值密度，对这三个状态变量进

  来源：Scientific Reports

  时间：2026-09-19

• 基于高效镜像下降优化算法 EGMD 的阿尔茨海默病计算机辅助诊断研究

  摘要阿尔茨海默病（AD）是一种无法治愈的神经退行性疾病，通常发生在老年人身上。早期诊断阿尔茨海默病有助于发现潜在的病理变化，并通过早期药物治疗来延缓疾病进程。随着神经网络的发展，卷积神经网络在图像处理和计算机辅助诊断中得到了广泛应用。许多研究人员提出了各种计算机辅助阿尔茨海默病诊

  来源：Scientific Reports

  时间：2026-09-19

• **基于多脉冲神经网络的灵长类腹侧视觉通路层级特征绑定机制研究**

  特征绑定——大脑如何编码哪些特征属于其他特征，从而形成对所感知连贯物体的表征——至今仍是神经科学中一个悬而未决的问题。尽管在该问题的解决上已取得进展，但主要理论要么缺乏神经元层面的详细解释，要么依赖于生物学上不切实际的简化，并且均未能充分解释层级信息（hier

  来源：PLOS Computational Biology

  时间：2026-09-19

• SmartHisto：基于贝叶斯主动学习的组织学图像分割框架

  生物图像的准确高效表征对于推进系统生物学和医学研究至关重要。近年来，深度学习与图像处理的进展使得神经网络模型能够利用大规模专家标注数据集快速加速图像分析。然而，在组织病理学中，全切片图像的尺寸使得专家标注成本高昂，限制了足够大规模标注数据集的获取，并对开发自动

  来源：PLOS Computational Biology

  时间：2026-09-19

知名企业招聘：