生物通官微陪你抓住生命科技跳动的脉搏
基于文本衍生的代理标签实现弱监督下稳健多模态假新闻检测
摘要:社交媒体上的假新闻传播构成了重大的社会挑战,影响着公众信任、民主进程和在线信息生态系统的可靠性。近期多模态研究表明,联合利用文本内容、视觉信息和社会传播模式可以显著提升假新闻检测性能。然而,大多数现有方法依赖于全监督设置,需要大量人工验证的标注数据,这一假设在真实场景中
来源:Journal of Computational Science
时间:2026-08-31
综述:阻燃剂在人体基质中生物监测的进展
•提出了一个分层框架,用于指导在人体样本中选择阻燃剂检测方法。•首次提出了五种人体基质的最低验证标准。•量化了空白污染来源,并提供了实用的缓解建议。•提供了基质效应公式和可接受范围(80–120%)。•未来方向:微采样、高分辨率质谱分析及便携式SERS技术。引言阻燃剂(FRs
来源:Journal of Chromatography A
结合原始和预处理血清拉曼光谱的双通道卷积神经网络(CNN)融合技术,用于实现对包虫病的精准筛查
**摘要** **背景** 血清拉曼光谱技术为生物分析筛查提供了无标记的分子指纹,但传统模型通常依赖于单一的预处理流程。由于预处理会改变光谱分布并减弱原始光谱中保留的信息,本研究开发了一种双通道融合策略用于包虫病筛查。 **结果** 我们分析了573份来自肝包虫病(H
来源:Analytica Chimica Acta
SpectralTAG: 基于统一的大语言模型与图神经网络文本图的红外光谱官能团识别
摘要 背景:光谱分析是现代化学表征的重要基础,然而从光谱信号中提取具有化学意义的解释仍受限于数据驱动的模式识别与结构化领域知识之间的脱节。 结果:本文提出SpectralTAG,一个统一的基于图的推理框架,通过将红外光谱、层次化化学知识图谱和科学文本表示在共同的文本属性图
两阶段框架用于信息物理系统中的异常检测:一种有监督的深度学习方法 信息物理系统(CPS)是一种结合了计算、网络和物理过程的系统。确保CPS的安全性至关重要,因为任何异常都可能导致严重后果。在CPS中进行异常检测对于维护系统完整性和安全性至关重要。传统方法由于容量有限,往往无法捕捉CPS数据中的复杂模式。为了应对这一挑战,我们提出了一种基于有监督深度学习方法的两阶段CPS异常检测框架。第一阶段使用预训练的深度神经网络进行特征提取。第二阶段利用自编码器进行异常检测。实验结果表明,我们提出的框架在准确性和效率方面优于现有方法。我们的工作通过先进的机器学习技术提供了一种增强CPS安全性的新途径
摘要智能电网是一种复杂的网络—物理系统,将物理电力基础设施与网络通信系统融为一体。它面临多种异常,对系统的准确性和可靠性构成了重大挑战。本研究提出了一种用于检测异常数据、突发负荷变化(SLC)和虚假数据注入攻击(FDIA)的两阶段框架。在第一阶段,利用加权最小二乘(WLS)状
来源:Sustainable Energy Technologies and Assessments
㶲感知设计与深度学习PINN派生的下一代固体氧化物燃料电池–有机朗肯循环–光伏热太阳能集热器混合发电系统多目标优化
**摘要** 本研究提出了一种下一代混合发电系统,该系统集成了固体氧化物燃料电池(SOFC)、有机朗肯循环(ORC)、光热一体化(PVT)集热器和电解槽,以同时应对高效能源转化和可持续分布式发电的双重挑战。此前的研究通常依赖稳态模型或黑箱优化器,而本文所提出的框架通过将严格
来源:Renewable Energy
急性期国民医疗服务体系中成人神经康复的机器人辅助步态训练:实施前物理治疗师的看法
摘要目的将机器人辅助步态训练(RAGT)整合到急性神经科康复中,关键在于物理治疗师对其价值和可行性的认知。本研究探索物理治疗师对RAGT的看法,以识别在急性国家医疗服务体系(NHS)神经科环境中实施前影响其接受度的因素。设计采用半结构化访谈的定性研究。数据使用元统一技术接受与
来源:Physiotherapy
用于毫米级神经探针的蛇形网格的共形力学
摘要可植入神经探针的机械可靠性取决于其在植入和长期使用过程中能够承受较大形变的能力,同时要限制导电连接件内的应力集中。尽管对可拉伸电子设备中的蛇形连接件进行了大量研究,但它们在与圆柱形神经探针相关的加载条件下的力学性能仍知之甚少。本研究探讨了两种可拉伸神经接口架构的力学特性:单蛇
来源:Mechanics of Materials
一种用于MIMO光无线通信系统中总速率和能效优化的DAE-DNN框架
摘要 随着下一代无线网络的迅速发展,对能够提供高数据速率、强频谱效率和能源感知性能的通信系统的需求日益增加。当光学无线通信(OWC)与大规模多输入多输出(MIMO)配置结合时,已成为满足这些未来连接需求的有希望的解决方案。本文提出了一种基于深度学习的新型框架,用于提高大规模MIM
来源:Optical Switching and Networking
基于物理约束神经网络的激光定向能量沉积DD6单晶超合金定向生长比例预测
摘要 在激光定向能量沉积(L-DED)过程中,准确预测单晶超合金的生长方向比例仍然是一个重大挑战,这主要是由于难以控制生长方向行为以及小样本数据的局限性。为此,本文提出了一种集成异常值识别和物理约束的神经网络预测方法。首先,基于75组L-
来源:3D Printing and Additive Manufacturing
知名企业招聘: