• 经阈值引导的小儿脊柱手术运动诱发电位监测中经颅电刺激(Transcranial Electrical Stimulation, TES)参数的优化研究

  目的：小儿脊柱手术中经颅电刺激运动诱发电位(Transcranial Electrical Stimulation Motor Evoked Potential, TES-MEP)监测因皮质脊髓束发育生理特点而具技术挑战性。研究人员量化了电极蒙太奇(monta

  来源：Child's Nervous System

  时间：2026-06-07

• 一项关于黏多糖贮积症II型患者从儿科护理过渡到成人护理的国际观察性研究

  摘要背景通过静脉注射艾杜硫酸酯（Elaprase）进行酶替代疗法治疗黏多糖贮积症II型（MPS II；亨特综合征）已有15年以上的历史。这种治疗方法使更多患者能够存活至成年，同时也增加了从儿科护理团队向成人护理团队过渡的需求；然而，护理过渡的实施并未标准化。方法这项横断面、非干预

  来源：BMC Health Services Research

  时间：2026-06-07

• 在中风后提供包容性的在线心理支持：一项定性研究中的专业利益相关者观点

  摘要背景中风后的情绪问题很常见，尤其是在少数族裔社区或患有失语症（一种后天性沟通障碍）的人群中。然而，目前缺乏基于证据的支援性干预措施，也缺乏能够大规模实施这些干预措施的临床心理学家。Wellbeing After Stroke-2 (WAterS-2) 是一种新型的在线团体心理

  来源：BMC Health Services Research

  时间：2026-06-07

• 使用基于结构的模型预测离子液体的粘度

  由于离子液体（ILs）结构的可调性，存在许多具有宽范围粘度的离子对。因此，采用机器学习方法有效预测ILs的粘度并建立精确的结构-性质关系。研究人员采用两种方法构建了基于结构的模型来预测离子液体（ILs）的动力粘度：一种结合聚类和降维的人工神经网络（ANN），以

  来源：Journal of Molecular Graphics and Modelling

  时间：2026-06-07

• 利用土壤水分引导的混合建模改进径流模拟：应用于数据稀疏流域的MISDc-FFNN框架

  研究区域该方法在三个对比流域进行评估：摩洛哥的半干旱Rheraya流域以及两个温带流域，Colorso（意大利）和Bibeschbach（卢森堡）。研究焦点本研究引入了一种新方法，使用土壤水分作为混合建模框架中的主要校准变量，而不是流量，以改进径流模拟。该框架

  来源：Journal of Hydrology: Regional Studies

  时间：2026-06-07

• 基于电化学阻抗谱多健康阶段特征频率与机器学习的锂离子电池健康状态估算

  准确评估电池健康状态（State of Health, SOH）对于保障电池安全运行及优化充放电策略至关重要。针对电池老化过程中电化学阻抗谱（Electrochemical Impedance Spectroscopy, EIS）固定频率点特征存在频率漂移（f

  来源：Journal of Energy Storage

  时间：2026-06-07

• 角谱编码单次激发超快摄影

  捕获超快时间尺度上的瞬态事件需要高达每秒万亿帧（Tfps）的成像速度。然而，现有领先方法，包括基于压缩传感（CS）的摄影、时间分辨阴影摄影及其他主动式方法，均受限于体积庞大的光学元件、高昂成本以及需要重复测量等瓶颈。本研究提出角谱编码单次激发超快摄影（Angu

  来源：Light-Science & Applications

  时间：2026-06-07

• 基于图卷积网络（GCN）的VR晕动症内置因果模型

  冯乃ishi|张倩倩|陈吉驰|华成成摘要虚拟现实运动病（VRMS）对用户的身心健康和安全构成重大威胁，会导致不适和恶心，已成为一个日益紧迫的问题。目前使用脑电图（EEG）信号检测VRMS的方法往往无法提取可解释的神经标志物，并且在不同场景中的泛化能力不足。本研究旨在通过分析两种场

  来源：Expert Systems with Applications

  时间：2026-06-07

• TransMark：通过神经元排列不变性实现大型语言模型（LLMs）的无损高容量水印技术

  叶培根|陈卓荣|桑海伟|郑军•我们提出了TransMark，这是一个针对大型语言模型的无损水印框架，它可以在不修改模型参数或无需额外训练的情况下嵌入高容量的水印。•我们利用了Transformer中前馈层的排列不变性，通过重新排列神经元来实现水印嵌入，同时保持模型的功能。•我们设

  来源：Computer Standards & Interfaces

  时间：2026-06-07

• 基于坡差序列(slope-sequence)的多点拉形(multi-point stretch forming, MPSF)回弹预测与补偿深度学习框架

  研究人员提出了一种由有限元仿真辅助的数据驱动深度学习框架，用以解决多点拉形(MPSF)中因回弹导致的零件精度不足问题。研究采用结构化的坡差序列(slope-sequence)表征方法，将成形后局部几何信息编码为一维序列数据以适应模型学习；在此基础上构建了结合一

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-06-07

知名企业招聘：