• BRIDGE研究：基于影像组学（Radiomics）预测急性硬膜下血肿慢性化——实现钻孔引流与开颅手术的个体化决策

  本文针对急性硬膜下血肿（aSDH）治疗中如何避免高创伤开颅手术、筛选适合延迟微创钻孔引流（burr-hole trepanation）的患者这一临床难题，通过回顾性分析118例aSDH患者的临床、实验室及影像组学数据，发现血肿的形态学特征（尤其是伸长率）是预测血肿慢性化（chronification）的独立预测因子。该研究为aSDH的个体化治疗策略提供了重要的影像学依据，有助于临床医生识别可能从延迟钻孔引流中获益的患者，从而优化手术决策、降低治疗风险。

  来源：Brain and Spine

  时间：2026-04-07

• 基于遗传算法优化的CNN-BiLSTM模型在摩洛哥实际GDP时序预测中的应用研究

  本研究聚焦于经济预测中的核心挑战——经济增长的准确预测，提出了一种新颖的CNN-BiLSTM模型，并利用遗传算法(GA)进行优化，专门用于摩洛哥季度实际GDP的预测。该方法整合了九项超参数的联合优化、动态滞后窗口选择，并通过Spearman相关性、互信息和XGBoost的特征选择流程加以强化，辅以基于SHAP的可解释性分析，提升了所选预测变量的经济可解释性。实验结果表明，所提出的GA-CNN-BiLSTM模型在MSE、MAE、MAPE和R2等关键指标上显著优于CNN、BiLSTM、GRU、随机森林、XGBoost、Lasso、AdaBoost和VAR等基准模型。该研究为宏观经济预测，特别是GDP时序预测，提供了一种高精度、可解释且稳健的混合深度学习框架。

  来源：Array

  时间：2026-04-07

• 重新思考帕金森病的双任务训练：促进参与性、创新性康复以实现包容性接入

  为优化帕金森病患者的平衡和认知功能，研究人员开展了以患者为中心的双任务训练（DTT）设计研究。通过质性研究访谈患者、支持者和物理治疗师，探索了构建吸引力强的居家DTT方案的关键要素，包括任务设计、家庭环境应用和评估方法，旨在为开发更具可及性、可接受性和个体化的康复方案提供依据。

  来源：Neuropsychological Rehabilitation

  时间：2026-04-07

• 机器学习赋能预测：巴西生物质在化学链燃烧中的性能与碳捕集潜力评估

  本文聚焦温室气体减排挑战，探讨利用机器学习（ML）预测巴西生物质在化学链燃烧（CLC）中性能的新方法。研究通过构建人工神经网络（ANN），输入生物质特性（工业与元素分析）及燃料反应器温度，成功预测了碳捕集效率（ηCC）和总氧需求（ΩT）等关键性能参数。ANN模型展现出优异的拟合度（R2> 0.973），并揭示了挥发性物质在预测中的关键作用。该研究为快速评估多种生物质的CLC适用性、优化碳捕集、利用与封存（CCUS）工艺提供了高效工具，对推动生物质能源清洁利用和工业低碳转型具有重要意义。

  来源：Fire

  时间：2026-04-07

• MF3-WNP：基于多模态特征融合的水网智能分层分区方法

  本研究针对传统水网分区方法依赖单一特征、空间连续性差、难以适应动态工况等问题，提出了名为MF3-WNP的创新性智能分层分区方法。该方法通过融合网络拓扑、水力特性、时空流态和运行状态等多源信息，构建了基于注意力机制的特征融合模型，并嵌入了内置空间连续性约束的多尺度分层优化框架。实验结果表明，相较于传统方法，该方案在分区连通性、模块度和轮廓系数上均有显著提升，为供水企业的精细化管网管理提供了一个经济高效的工具。

  来源：Frontiers in Water

  时间：2026-04-07

• EV-Planner：一种基于机器学习的新方法，用于规划更高效、更公平的电动汽车充电基础设施布局

  为解决当前电动汽车充电站布局不合理、难以兼顾用户便利性、负载均衡与公平覆盖等多重目标的挑战，研究人员提出了EV-Planner。该研究将充电站选址建模为一个约束多目标优化问题，并创新性地提出了“建议-接受”（SA）聚类近似求解算法。结果显示，该方法可显著减少用户平均行驶距离、超负荷充电站数量及无覆盖用户数量，为大规模充电基础设施规划提供了高效、可扩展的解决方案。

  来源：Frontiers in Artificial Intelligence

  时间：2026-04-07

• 利用几何约束残差贝叶斯神经网络预测极限轮轮廓

  几何约束残差贝叶斯神经网络用于高速电力机车车轮磨损轮廓高精度预测及可靠性评估。该方法结合车辆-轨道动态仿真模型，量化磨损轮廓与车辆动力学性能的关联，通过引入几何约束与残差修正机制提升预测精度，并分析车轮直径对磨损行为的影响。

  来源：RELIABILITY ENGINEERING & SYSTEM SAFETY

  时间：2026-04-07

• 基于时空图神经网络的数字孪生代理模型，用于一般装配线中的吞吐量估计

  实时性能分析与优化在复杂多站装配线中至关重要，传统方法因计算成本高难以支持快速决策。本文提出基于时空图神经网络（ST-GNN）的数字孪生代理框架，将装配线建模为显式空间关系的图结构，结合双向LSTM捕获时间动态，并通过注意力机制优化关键时间节点。实验表明，GAT-BiLSTM架构在30分钟数据聚合时R²达0.80，显著优于线性回归、随机森林、XGBoost及标准LSTM等基准模型，验证了时空联合建模的有效性。

  来源：JOURNAL OF MANUFACTURING SYSTEMS

  时间：2026-04-07

• 氢液化系统的优化与性能分析：结合了吸收预冷技术

  氢液化系统能效优化与经济性研究：提出ARs耦合分阶段氦膨胀液化工艺，通过冷能跨温区协同分配机制降低压缩功耗，前馈神经网络优化系统参数使单位质量氢液化能耗降至10.61千瓦时/千克，能效提升35.38%，年总成本达5339万美元。

  来源：International Journal of Hydrogen Energy

  时间：2026-04-07

• 线粒体移植可保护视网膜神经节细胞并促进中枢神经系统的轴突再生

  视网膜神经节细胞（RGCs）的线粒体功能障碍是青光眼等视神经病变的核心机制。本研究证实外源性线粒体移植（mitotherapy）可在成年小鼠中恢复RGCs功能，改善能量代谢和氧化应激，促进轴突再生。通过抑制线粒体融合证实其关键作用，并成功实现玻璃体注射递送线粒体至RGCs，在 optic nerve crush模型中显著提升神经节细胞存活率和电生理功能。该成果为神经退行性疾病治疗提供了新策略。

  来源：Franklin Open

  时间：2026-04-07

知名企业招聘：