• ADNP相关神经发育障碍：首个土耳其病例系列报告与新变异及家系内外显率降低

  背景/目的：Helsmoortel–Van der Aa综合征（HVDAS），又称ADNP综合征，是一种以认知缺陷、面容异常和多系统受累为特征的神经发育障碍。该病通常为新发突变所致，但具有可变外显率的家族性病例极为罕见。迄今为止，土耳其尚无相关病例报道。本研究

  来源：Diagnostics

  时间：2026-09-08

• 视网膜视神经盘与视杯分割中预处理策略的系统性多数据集、多种子评估

  背景/目的：在视网膜眼底 photograph 中准确勾画视神经盘（optic disc，OD）与视杯（optic cup，OC）是自动化青光眼筛查的前提。编码器–解码器分割模型虽进展显著，但上游预处理对分割精度的贡献，以及该贡献在重复训练运行中的稳定性，仍未

  来源：Diagnostics

  时间：2026-09-08

• 阿尔茨海默病中DTI-ALPS指数及其与认知障碍关联性的扩散张量成像研究

  目的：随着全球人口老龄化，阿尔茨海默病（Alzheimer’s disease，AD）带来重大健康挑战。沿血管周围间隙的扩散张量成像分析（diffusion tensor image analysis along the perivascular space，

  来源：Frontiers in Neuroscience

  时间：2026-09-08

• 五碳糖磷酸代谢与星形胶质细胞共表达模式在阿尔茨海默病发病机制中的意义：来自人工智能驱动的组学与临床验证的证据

  背景：在阿尔茨海默病(AD)中，胶质细胞代谢重编程日益被认为是发病机制中的关键因素。五碳糖磷酸途径(PPP)作为氧化还原平衡与生物合成的重要代谢通路，与星形胶质细胞反应性均参与AD，但二者之间的整合分子互作仍不清楚。 方法：研究人员采用集成多组学与人工智能(A

  来源：Frontiers in Neuroscience

  时间：2026-09-08

• 全脑cFos图谱揭示丘脑室旁核是应激增强恐惧学习的关键节点

  引言：恐惧学习对于机体对潜在有害刺激作出适当反应至关重要。在创伤后应激障碍（PTSD）中，强烈或持续的创伤可促进未来的厌恶性学习，导致在通常安全的环境中产生适应不良的恐惧反应。尽管如此，应激增强恐惧学习（SEFL）背后的神经环路机制仍知之甚少。方法：研究人员利

  来源：Frontiers in Behavioral Neuroscience

  时间：2026-09-08

• 古典背按摩与认知负荷后恢复期间较低心率及持续平均皮肤电导相关：一项探索性对照试点研究

  引言：认知负荷后的生理反应可能在心血管测量与皮肤电活动（electrodermal activity，EDA）之间存在差异。方法：这项对照探索性试点研究比较了在两种条件下15分钟任务后期间的心率与相位平均平均皮肤电导反应：古典背按摩与被动俯卧位休息。经过资格验

  来源：Frontiers in Physiology

  时间：2026-09-08

• 卒中后抑郁的多导睡眠图参数早期预测：一项前瞻性队列研究

  背景：卒中后抑郁（Post-stroke depression，PSD）影响约三分之一的卒中存活者，并显著影响功能恢复。本研究旨在利用多导睡眠图（Polysomnography，PSG）参数联合临床特征，开发并验证PSD预测模型。方法：研究人员开展了一项前瞻性

  来源：Frontiers in Neuroscience

  时间：2026-09-08

• 诊断年龄定义的早发与晚发阿尔茨海默病中的多模态网络改变

  引言：早发阿尔茨海默病（early-onset Alzheimer’s disease，EOAD）与晚发阿尔茨海默病（late-onset Alzheimer’s disease，LOAD）可能在大规模网络组织上存在差异。研究人员比较了由诊断年龄定义的阿尔茨海

  来源：Frontiers in Neuroscience

  时间：2026-09-08

• 一种动态推荐算法，用于区域 industry-adapted 高等职业教育课程的推荐，该算法结合了反事实因果推理和图神经网络技术

  摘要高等职业教育课程与区域产业不断变化的技能需求之间的不匹配，继续限制着毕业生的就业能力。而现有的推荐系统仍然停留在相关性逻辑和有选择偏见的招生数据上。本文提出了CCIG-DRec，这是一种动态课程推荐算法，它将异构图神经网络与反事实因果推断相结合。通过成都-重庆经济圈内的招聘门

  来源：Scientific Reports

  时间：2026-09-08

• 基于CNN-LSTM的框架，用于视频监控中的对象检测与遮挡处理

  摘要在动态且人口密集的环境中实现具有遮挡处理能力的精确对象检测，是视频监控系统面临的一项挑战。本文提出了一种创新的混合深度学习框架，该框架结合了卷积神经网络（CNN）和长短期记忆网络（LSTM），以应对对象检测和随时间跟踪的问题。CNN用于从单个视频帧中提取丰富的空间特征，而LS

  来源：Scientific Reports

  时间：2026-09-08

知名企业招聘：