• 利用NGS和ddPCR技术通过miRNA分析识别唾液中的轻症COVID-19潜在生物标志物

  摘要微小RNA（miRNAs）是一种小型非编码RNA分子，通过靶向信使RNA（mRNA）来调控基因表达。由于这种调控功能，病毒往往会调节宿主miRNA的表达以利于自身的复制。相反，宿主细胞则通过调控miRNA表达来激活免疫系统反应。因此，miRNAs可作为传染性疾病，尤其是那些以

  来源：Scientific Reports

  时间：2026-07-21

• COVLIAS 3.5：将基于注意力机制的分割技术与模糊膨胀卷积神经网络相结合，以提高胸部X光片在多类肺炎诊断中的分类精度

  摘要本研究旨在通过将基于注意力的U-Net模型用于肺部分割，与经过模糊逻辑优化的CNN模型结合用于分类，从而提升肺炎的诊断准确性。该方法解决了医学图像中复杂空间关系建模不足的问题。由于未能充分运用模糊逻辑与扩张卷积技术，多尺度特征的提取一直受到限制。我们使用了18,608张胸部X

  来源：Scientific Reports

  时间：2026-07-21

• 一种利用RK-50的非侵入性定位方法，用于小鼠的立体定向引导聚焦超声血脑屏障打开术

  摘要聚焦超声与微/纳米气泡结合使用，可实现短暂的局部血脑屏障开放，从而将药物精准递送至大脑。尽管影像引导的聚焦超声技术能够实现精确定位，但它需要专门的设备，这会增加成本并提高操作复杂性。像RK-50这样的商用立体定向聚焦超声平台提供了一种更为实用的替代方案，但传统操作方式需要通过

  来源：Scientific Reports

  时间：2026-07-21

• 设计一种基于注意力机制的方法，用于无人机检测与分类中的射频指纹识别

  摘要随着无人机技术的快速发展，人们越来越需要一种智能且高效的射频指纹识别系统，用以检测、识别并分类无人机的运行模式。本文提出了一种基于变换器的注意力架构，可用于高效分析现实场景中的射频信号。该架构采用两阶段特征提取流程，包括相关滤波特征选择、方差分析特征选择，以及多头自注意力编码

  来源：Scientific Reports

  时间：2026-07-21

• 基于KL正则化强化学习的自适应测试时增强技术，用于提升视觉推理的鲁棒性

  摘要深度神经网络在面对现实世界中的图像损坏和分布变化时，其准确率往往会显著下降。为克服固定式、与输入无关的测试时增强方法的局限性，本文提出了一种自适应框架，该框架通过强化学习来学习针对每个样本的变换方法。增强策略的选择被视作一个马尔可夫决策过程，进而利用近端策略优化算法训练出能够

  来源：Scientific Reports

  时间：2026-07-21

• 尼日尔尼亚美地区的时空干旱动态（2005–2022年）：基于多传感器卫星数据与气候数据集的多指标深度学习分析方法

  摘要在本研究中，我们开发并应用了一种多传感器长短期记忆网络（LSTM）模型，用于2005年至2022年尼日尔尼亚美地区的干旱监测与分析。数据来源包括Landsat 5 TM和Landsat 7 ETM+卫星图像（分辨率30米，采集于2005年至2013年）、Sentinel-1

  来源：Scientific Reports

  时间：2026-07-21

• 保形最小迹（SP-MinT）：一种用于分层时间序列的规则化预测协调方法

  摘要预测对齐已成为确保分层时间序列一致性的标准方法。然而，诸如最小迹值法（MinT）之类的先进方法往往以牺牲预测的时间形态为代价来最小化误差方差。本文将预测对齐视为一个多目标问题，指出仅追求方差最优的一致性并不足以用于实际决策，因此提出了一种能够明确考虑时间结构的形状感知型对齐方

  来源：Scientific Reports

  时间：2026-07-21

• 超声联合微泡技术在晚期肝癌转化治疗中的应用

  摘要研究表明，低机械指数的超声结合微泡技术能够改善血液灌注和药物输送，因此有望增强肿瘤免疫疗法的效果。本研究旨在评估在转化治疗中加入超声结合微泡技术是否能在保持相似安全性的同时，提升晚期肝细胞癌患者的肿瘤反应和局部灌注情况。研究共纳入40名无法手术的晚期肝细胞癌患者，这些患者接受

  来源：Scientific Reports

  时间：2026-07-21

• 利用主成分分析与模糊C均值聚类方法划定埃塞俄比亚西达马地区阿罗雷萨区的特定区域养分管理区

  摘要在埃塞俄比亚高地，土壤肥力变化是制约农业生产力发展的主要因素，但由于未能充分了解空间异质性，人们仍然采用统一的养分管理方式。本研究针对西达马地区阿罗雷萨区的需求，探讨了建立特定区域养分管理区的必要性。研究从0到20厘米深度采集了154份土壤样本（77份受干扰，77份未受干扰）

  来源：Scientific Reports

  时间：2026-07-21

• 基于多模态图的深度学习方法，用于预测GHS/CLP标准中的关键危害指标——燃烧热

  摘要我们提出了一种多模态图基深度学习框架，该框架将分子图拓扑结构与物理化学描述符相结合，从而直接从化学结构预测燃烧热。该模型利用神经网络卷积算法来捕捉键合和拓扑信息，而分子描述符则提供互补的全局特征。在4,516个实验数据点上训练后，该模型的平均绝对误差为351.4千焦/摩尔（1

  来源：Scientific Reports

  时间：2026-07-21

知名企业招聘：