• 在类似超级马拉松的锻炼后，大鼠的大脑皮层仍能保持神经可塑性以及对氧化应激和炎症的抵御能力

  摘要超级马拉松比赛与大脑功能的变化有关。我们此前研究发现，有氧条件下的高强度训练会导致大鼠小脑出现氧化应激。而模拟超级马拉松的极限测试则会改变GFAP蛋白的表达模式，表明星形胶质细胞的反应能力下降。本研究旨在探讨此类氧化应激及星形胶质细胞反应是否也会出现在大脑皮层中。研究将成年雄

  来源：Brain Research

  时间：2026-07-23

• 全因自身免疫性脑炎中的运动障碍与残留运动症状

  •在该组自身免疫性脑炎患者中，超过半数在初次就诊时就存在运动障碍。•在最新的随访中，仍有三分之一患者存在运动障碍残留。•抗体阳性患者中出现运动障碍的情况更为常见。•最常见的运动障碍表现包括肌张力障碍、共济失调和刻板动作。•初次就诊时就存在运动障碍的患者，其疾病持续时间更长，且在最

  来源：Journal of Neuroimmunology

  时间：2026-07-23

• 综述：正常发育与异常发育儿童中的镜像神经元系统：演化、功能障碍及康复应用。系统性综述

  •镜像神经元在早期就表现出活动性，并且会逐渐出现专业化与侧化趋势•某些神经发育障碍和残疾患者中存在的异常镜像神经元反应•基于镜像神经元的干预方法可促进儿童康复过程中的神经可塑性章节摘录引言镜像神经元最初被定义为运动神经元，但它们在动作执行以及观察他人动作时都会被激活。1996年，

  来源：Neuroscience & Biobehavioral Reviews

  时间：2026-07-23

• 通过布尔变换实现神经网络的全局可解释性

  摘要：在深度神经网络的部署过程中，可解释性始终是一个核心挑战，尤其是在那些对安全性及决策准确性要求极高的领域。本研究提出了一种统一的框架，用于实现事后全局可解释性，该方法可将包括残差网络和变换器在内的各类神经网络架构转化为基于实值输入与多类输出的等价决策图。这些决策图能够以直观、

  来源：Neural Networks

  时间：2026-07-23

• 用于深度图神经网络的扩散感知协同学习框架

  摘要：深度图神经网络的发展受到消息传递过程中两个核心问题的阻碍：过度平滑与过度压缩。现有的图表示学习方法通常分别处理这些问题，采用同质化聚合策略，忽视了节点在信息交互中的角色差异，这使得在减少冗余的同时保留关键信号变得困难。为解决这些局限，我们提出了一种名为DPCoL的新的扩散-

  来源：Neural Networks

  时间：2026-07-23

• 用于对抗鲁棒性评估的信息论与经济博弈框架

  •将对抗鲁棒性视为一种信息论层面的安全博弈。•将攻击者的适应性建模为在多种攻击选项上的KL预算资源分配问题。•推导出具有融合权重解释的KL鲁棒最优响应的封闭形式解。•通过包含固定成本的有限期效用函数来量化投资回报与盈亏平衡点。•通过攻击者组合与防御策略的相图来揭示不同策略下的状态

  来源：Neural Networks

  时间：2026-07-23

• 基于相关性感知的标签引导一致网络，用于部分多视图不完整多标签分类

  摘要：鉴于手动标注和数据收集存在的不确定性，多视图多标签学习的发展往往面临部分视图和不完整标签带来的挑战。尽管已有部分方法试图解决这些问题，但大多数方法并未充分利用视图间和标签间的相关性，而这些相关性对于提升融合表示的质量至关重要。为应对这一问题，我们提出了一种名为关联感知标签引

  来源：Neural Networks

  时间：2026-07-23

• 高分辨率超声在鉴别麻风病相关神经病变与血管炎性周围神经病变中的应用：一项初步研究

  摘要 引言/目的 麻风病相关神经病变与血管性神经病变在临床特征上存在重叠，因此在非流

  来源：Muscle & Nerve

  时间：2026-07-23

• 具有最优子集选择的直觉主义邻近一致性模糊几何孪生支持向量机

  摘要：直觉模糊孪生支持向量机（IFTSVM）利用直觉模糊集（IFS）来提升孪生支持向量机（TSVM）的鲁棒性。尽管IFTSVM已有效降低了噪声和异常值的影响，但仍有改进空间：1）IFS无法减少重采样噪声偏差；2）TSVM对噪声特征较为敏感。为解决这些问题，我们提出了一种新的直觉接

  来源：Neural Networks

  时间：2026-07-23

• Brain-VQA：基于人脑视觉通路的视觉问答系统，用于提升多模态认知与推理能力

  •我们提出了Brain-VQA，这是一种受生物学启发的VQA框架，它整合了双流视觉认知机制（腹侧“是什么”和背侧“在哪儿”），以此模拟人类的视觉推理过程。•Brain-VQA采用了多步骤规划机制来指导场景图的构建与推理过程的推进，从而提升了模型的可解释性及推理准确性。•整个推理过

  来源：Neural Networks

  时间：2026-07-23

知名企业招聘：