• 基于深度学习高效参数集成技术的胎儿健康状态检测方法

  摘要 背景：心电图（CTG）的分类可以帮助产科医生评估胎儿的健康状况。然而，传统的胎儿心率监测数据在手动解释时存在很强的主观性问题，而深度学习模型在处理表格数据时表现较差。 方法：本研究提出了PLE-TabM，这是一种结合了分段线性编码（PLE）和高效权重集成的表格深度学习模型。

  来源：Frontiers in Public Health

  时间：2026-05-11

• 综述：超低位直肠癌中保留肛门括约肌的外科手术技术的比较分析

  摘要：超低位直肠癌指的是一种位于肛门边缘非常接近的肿瘤，通常距离齿状线近端端点3厘米以内。其位置给实现清晰的手术边界带来了重大挑战，这些边界对于实现局部肿瘤控制至关重要，同时需要保留括约肌功能以最小化发生粪便失禁和其他并发症的风险。本综述总结了六种用于超低位直肠癌的保留括约肌的技

  来源：Frontiers in Gastroenterology

  时间：2026-05-11

• 针对养老院中适合老年人的居住空间的具体设计策略：一种基于同理心地图（Empathy Map）、KANO分析法（KANO Analysis）、层次分析法（AHP）和属性决策过程（PUGH）的综合模型方法

  摘要 目的：为了解决老龄化社会中老年人休息所面临的挑战，本研究探讨了养老院中适合老年人居住空间的设计特点。目的是缓解因休息困难而产生的心理压力，并提高接受居家护理的老年人的生活质量。 方法：首先，通过访谈结合共情图（Empathy Maps）识别明确和隐性的需求。接着，

  来源：Frontiers in Psychology

  时间：2026-05-11

• 一种用于高效深度神经网络（DNN）加速器的分组加法-乘法-移位-累加数据流处理方法

  摘要：乘法-累积（MAC）单元在现代深度神经网络（DNN）加速器中占据了大量的功耗和面积。尽管低比特宽度量化可以减少硬件开销，但乘法器的较高成本仍然是现代加速器数据路径中的一个根本性瓶颈。本文提出了一种加法-乘法-移位-累积（AMC）算法，该算法通过将基础乘法操作在相邻权重组之间

  来源：IEEE Transactions on Very Large Scale Integration (VLSI) Systems

  时间：2026-05-11

• 使用口服葡萄糖耐量试验（OGTT）优化成人囊性纤维化相关糖尿病的筛查：一项单中心混合方法研究

  摘要 通俗语言摘要 背景： 早期发现糖尿病可以改善代谢结果，降低未来的风险和并发症。在囊性纤维化（CF）调节剂治疗时代，有效的糖尿病筛查仍然至关重要，因为Elexacaftor/

  来源：JBI Evidence Synthesis

  时间：2026-05-11

• QVGA CMOS激光雷达传感器，采用仅基于nMOS的SPAD模拟前端技术，同时具备高效面积利用的优先级直方图TDC（Time-to-Digital Conversion）功能

  摘要： 本文介绍了一种高分辨率（HR）CMOS光检测和测距（LiDAR）传感器，该传感器能够生成四分之一视频图形阵列（QVGA）深度图像。为了支持高像素密度，该传感器采用了紧凑型6晶体管（6-T）nMOS单光子雪崩

  来源：IEEE Journal of Solid-State Circuits

  时间：2026-05-11

• 运用行为改变技术来识别加拿大孕期疫苗接种宣传干预措施中需要调整的要素

  **摘要（通俗语言总结）** **背景：** 疫苗沟通对于提高孕期和儿童时期的疫苗接种率至关重要。然而，医疗提供者与患者之间关于孕期疫苗接种的沟通效果并不理想。澳大利亚的“分享免疫知识”（Sharing Knowledge About Immunization, SKAI）是

  来源：JBI Evidence Synthesis

  时间：2026-05-11

• 躯体变形障碍：诊断挑战与当前管理方法

  摘要 躯体变形障碍（BDD）是一种精神疾病，其特征是对自身外貌缺陷的过度关注，导致日常生活出现显著的功能障碍。由于患者会隐藏症状以及该疾病与其他心理健康障碍的相似性，BDD经常被误诊。提高临床医生的意识有助于克服BDD诊断中的挑战。特别是青少年期的早期发病BDD，与共病风险和

  来源：JAAPA

  时间：2026-05-11

• 基于物理知识的电压数据插补方法，用于提高基于机器学习的电池电量状态估计的鲁棒性

  用于电池电量（SOC）预测的机器学习（ML）估计器容易受到缺失测量数据的影响，因此需要数据插补技术来替换不可用的观测值。然而，大多数现有的SOC估计数据插补方法主要依赖于统计方法，而没有结合电池的物理特性和动态行为。因此，在连续数据缺失的较长时间内，这些估计器的估计精度会显著下降

  来源：IEEE Open Journal of the Industrial Electronics Society

  时间：2026-05-11

• 利用数据同化和机器学习技术提升矩形圆柱体的RANS湍流建模效果

  马泰奥·罗塞利尼（Matteo Rosellini）|乔瓦尼·斯塔贝莱（Giovanni Stabile）|亚历山德罗·马里奥蒂（Alessandro Mariotti）|玛丽亚·维多利亚·萨尔韦蒂（Maria Vittoria Salvetti） 意大利比萨大学土木与工业工

  来源：Computers & Fluids

  时间：2026-05-11

知名企业招聘：