-
神经肌肉训练对青少年和年轻成年男性网球运动员身体和网球专项表现的影响：一项系统综述与荟萃分析
背景 神经肌肉训练（Neuromuscular Training, NMT）被用于改善身体素质和网球专项表现，但广泛的结局分类、混合人群以及准确性（accuracy）和短跑（sprint）结局的区分不足限制了既往综述。本系统综述与荟萃分析评估了NMT对男性网球
来源：PLOS One
时间：2026-08-06
-
通过公共卫生筛查脆性X障碍促进尼日利亚儿童心理健康与福祉（CHAMP-FX）：一项前瞻性多中心筛查研究及纵向随访的方案
全球神经发育障碍负担日益增加，但低收入和中等收入国家（包括尼日利亚）的数据稀少。脆性X障碍（Fragile X disorders，包括脆性X综合征和脆性X前突变相关条件）在发展中国家知之甚少，尼日利亚没有全国性数据。通过公共卫生筛查脆性X障碍促进尼日利亚儿童
来源：PLOS One
时间：2026-08-06
-
塞拉利昂创伤性脑损伤：流行病学负担与神经外科投资的紧迫性
引言：创伤性脑损伤（TBI）是全球重大公共卫生问题。研究问题：研究人员评估了塞拉利昂弗里敦Connaught教学医院五年间记录到的TBI患病率。材料与方法：研究人员对2019年1月至2023年12月期间所有出现神经或神经外科状况的患者进行了回顾性病历审查，审阅
来源：Brain and Spine
时间：2026-08-06
-
贝叶斯卷积神经网络用于次声事件的不确定性感知分类
次声信号的准确分类对于核试验核查、自然灾害预警和地球物理监测至关重要。传统的卷积神经网络（CNN）应用于此任务时容易在小规模、类别不平衡的数据集上过拟合，且无法量化预测不确定性。为解决这些限制，研究人员引入了一个贝叶斯卷积神经网络（Bayesian CNN）框
-
MoS<sub>2</sub>薄膜的界面工程用于润湿性依赖的电阻开关和神经形态行为
近年来，忆阻器（memristors）作为神经形态计算（neuromorphic computing）的基本构建单元的研究激增，归因于其以高密度、低功耗硬件格式模拟生物突触可塑行为的卓越能力。这些器件日益被认为是实现高效人工神经网络的关键。二维（2D）二硫化钼
来源：Nanomaterials
时间：2026-08-06
-
不同神经肌肉电刺激强度对健康年轻成人股四头肌等长力矩与肌肉厚度的急性效应：一项随机分肢试验
## 摘要
**引言**：尽管神经肌肉电刺激（NMES）的剂量测定具有临床相关性，但增加自我报告的可耐受强度是否能增强急性神经肌肉反应尚不明确。
**目的**：探讨不同NMES强度及诱发收缩类型对股四头肌等长力矩（IT）和肌肉厚度的急性效应。
**方法*
来源：Physiotherapy Research International
时间：2026-08-06
-
RN-D3：对比增强MRI上放射性坏死的检测、鉴别与勾画
**目的**：放射性坏死（RN）是放射治疗（RT）的重要并发症，且因病灶易出现不一致的勾画而难以通过影像学评估，常需开颅手术获取诊断。本研究评估了如何将已建立的深度学习分割模型在单中心RN队列上进行再训练，检验了外部泛化能力，并将最佳组件整合为RN-D3——一
来源：Frontiers in Artificial Intelligence
时间：2026-08-06
-
可解释轻量级深度学习架构用于作物异常检测，采用增强型Grad-CAM和迁移学习
该研究提高了卷积神经网络（CNN）用于作物异常检测的可解释性，同时确定了适合部署在资源受限边缘设备上的架构。评估了六种CNN，包括所提出的混合模型，涉及10种作物物种和29个类别，利用了43,000张RGB图像。使用马修斯相关系数（MCC）、混淆矩阵和受试者工
来源：Critical Insights in Agriculture
时间：2026-08-06
-
通过专家指导的坐标优化，从未松弛结构中实现可靠的晶体性质预测
摘要图神经网络是用于预测材料性质的高效工具，但由于其依赖于计算成本较高的松弛几何结构，这在高通量筛选过程中构成了重大瓶颈。在此，我们提出了RUGE-Net，这是一种等变图神经网络，能够直接从未松弛的晶体结构预测材料性质。RUGE-Net整合了专家混合（MoE）架构、用于逐步调整原
来源：npj Computational Materials
时间：2026-08-06
-
MUG：面向单目图像二维姿态的多人体三维网格重建异构图网络
从单张单目图像中重建多人体身体网格是计算机视觉中关键且具有挑战性的问题，该问题不仅要求为每个个体生成独立的身体网格模型，还需估计不同主体间的相对三维位置以产生连贯的场景表示。研究人员提出MUG（Multi-hUman Graph network，多人体图网络）
来源：INTERNATIONAL JOURNAL OF COMPUTER VISION
时间：2026-08-06
粤公网安备 44010602000434号