• 双侧背外侧前额叶皮层Beta频段经颅交流电刺激改变心理时间旅行与前瞻记忆但不改变延迟折扣

  背景：未来取向认知涉及若干神经认知过程，推测由背外侧前额叶皮层（DLPFC）及Beta频段振荡支持。本研究旨在验证DLPFC中Beta振荡在三项未来认知任务中的作用：心理时间旅行（MTT）、延迟折扣（DD）与时间性前瞻记忆（PM）。方法：33名参与者（22–2

  来源：Brain Sciences

  时间：2026-08-24

• 使用机电一体化系统与人工智能驱动的计算机视觉进行双面绿色咖啡豆缺陷检测

  绿色咖啡豆生产中的质量控制对于食品安全和经济可持续性至关重要。现有自动化检测系统的一个持续存在的缺陷是它们无法捕获每颗豆子的两面，这导致了对表面缺陷的系统性漏检。本研究提出了三项贡献：（i）一种新颖的机电一体化装置，机械地保证每颗豆子的双面成像；（ii）一个公

  来源：Agriculture

  时间：2026-08-24

• 运动干预调节肥胖中的食物奖赏：效能、机制与前景

  异常的奖赏加工是肥胖发生与维持的关键因素，运动干预被认为是纠正这种适应不良进食模式的可行途径。然而，不一致的研究结果使其真实效能和内在调节机制仍存争议。本研究采用系统综述设计，遵循标准化的文献筛选和偏倚评估程序，梳理了所有关注运动诱导肥胖个体食物奖赏变化的合格

  来源：Frontiers in Nutrition

  时间：2026-08-24

• 结节乳头体组胺能神经元在硝酸甘油诱导的急性头痛小鼠模型中并非行为反应所必需

  关于组胺（histamine）与头痛之间关联的研究已持续近一个世纪。然而，中枢组胺能系统在头痛病理生理中的功能作用仍未得到充分阐明。本研究旨在阐明小鼠急性头痛发作期间结节乳头体核（tuberomammillary nucleus, TMN）组胺能神经元的激活状

  来源：Neuroscience Letters

  时间：2026-08-24

• 首音与第二语言：词首音如何激发3岁双语者的语言共激活

  成人和幼儿双语者在完全单语任务中也会不同程度地共激活（co-activate）他们的语言。然而，许多研究使用具有高语音重叠（phonological overlap）的翻译对（例如，英语-德语：“milk” - “MILCH”），使得难以辨别共激活的起源。本研

  来源：Developmental Science

  时间：2026-08-24

• 基于人工智能的大豆病害检测使用迁移学习和深度学习模型

  卷积神经网络（CNN）近期在自动化早期植物病害诊断方面展现出强大潜力，这是现代农业中的一个重要需求，因为由植物病害驱动的产量损失正威胁全球粮食安全。在本研究中，研究人员使用RGB图像对大豆叶片病害的多类分类任务进行了深度学习模型的微调与评估。为此，采用了奥本大

  来源：Journal of Agriculture and Food Research

  时间：2026-08-24

• BME（CDRI-08）通过调节NMDAR-CREB-BDNF信号通路并减少细胞凋亡，缓解缺氧引起的海马神经退行性病变和记忆功能障碍

  摘要缺氧会通过引发一系列病理事件严重损害记忆功能，这些事件包括氧化应激加剧、线粒体生物能量代谢受损以及谷氨酸受体和与细胞凋亡相关的蛋白质表达失调。当前的疗法往往不足以修复由缺氧引起的复杂神经生物学损伤，这凸显了需要综合治疗策略来减轻缺氧导致的损害。我们的研究探讨了Bacopa m

  来源：Scientific Reports

  时间：2026-08-24

• 整合机器学习与人工神经网络用于分数阶吸烟诱发肺癌模型的动态分析

  摘要本研究引入了一种分数阶框架，用于模拟吸烟行为的进展及其与癌症发生的关系。人群被划分为七个仓室：易感者、暴露者、慢性携带者、未干预的主动吸烟者、治疗中的吸烟者、确诊癌症者以及康复者。通过采用 Caputo 分数阶导数，该模型固有地捕捉了记忆效应，反映了累积的吸烟暴露和延迟的

  来源：Scientific Reports

  时间：2026-08-24

• 场景感知注意力网络与中等规模无人机数据集，用于多样化的火灾分类任务

  摘要基于视觉的火灾检测对于确保城市安全以及保护建筑物免受潜在危害至关重要。尽管主流方法采用传统的注意力模块和深度模型来处理静态火灾环境，但在应对复杂火灾场景（尤其是遥感图像）时效果有限。这些注意力模块主要由传统的卷积层组成，在处理复杂情况时会产生冗余且重叠的空间特征。为了解决这些

  来源：Scientific Reports

  时间：2026-08-24

• 基于集成改进 YOLOv8 与深度神经随机森林框架的输电线路缺陷检测

  摘要如何利用无人机（UAV）技术有效识别电力传输线路的缺陷仍然是研究的关键焦点。本文提出了一种空间可变形卷积（SDC）算法，以优化传统卷积神经网络，从而增强图像的特征提取。此外，引入了一种更全面的混合损失函数，以提高模型识别多尺度缺陷模式的能力。随后，采用深度神经决策森林（D

  来源：Scientific Reports

  时间：2026-08-24

知名企业招聘：