-
SPECC1L-NTRK2融合伴发成人起病高级别胶质瘤及其诊断意义
高级别胶质瘤(HGGs)是侵袭性强、预后差且治疗选择有限的脑肿瘤。分子谱分析已经优化了胶质瘤分类,并揭示了包括神经营养酪氨酸受体激酶(NTRK)融合在内的罕见但具有靶向治疗价值的改变。本病例报告旨在描述一例携带NTRK2融合的成人高级别胶质瘤的分子特征,并强调
来源:Discover Neuroscience
时间:2026-06-01
-
MIR1255A 调节对大脑发育至关重要的通路,以及与抑郁症和神经发育障碍相关的风险基因
摘要多项证据表明微小RNA(miRNAs)与重度抑郁症(MDD)密切相关,包括通过全基因组关联研究(GWAS)确定的miRNAs基因(MIRs)在基因组区域中的位置。为了研究MIRs在MDD遗传风险中的作用,我们识别了所有与大脑组织中MIRs的表达数量位点(eQTLs)相关的单核
来源:Translational Psychiatry
时间:2026-06-01
-
支持对面部和身体轮廓进行性别分类的神经振荡
摘要
对面部和身体轮廓进行性别分类是人类行为的基础。然而,目前尚不清楚在性别分类的不同阶段,编码面部和身体轮廓的相似性时是否涉及相似或不同的神经机制。为了解决这个问题,我们在女性参与者观看重复抑制(RS)范式中的面部或身
来源:Annals of the New York Academy of Sciences
时间:2026-06-01
-
一种结合深度学习与视觉Transformer的可解释人工智能框架(XAI-CoffeeNet),用于沙特咖啡病害识别与严重度评估
本文提出了XAI-CoffeeNet,这是一种面向沙特阿拉伯Jazan高海拔咖啡种植园(1300–1400 m)自动化咖啡病害管理的可解释人工智能框架,具有三项核心创新:(i)一种混合卷积神经网络(CNN)–视觉Transformer(Vision Trans
来源:Smart Agricultural Technology
时间:2026-06-01
-
基于机器学习技术与模拟的阿拉比卡咖啡(Arabica coffee, Coffea arabica L.)果载量非破坏性估算
摘要:现有的咖啡产量估算方法采用昂贵且具有破坏性的采样技术,在描述农业数据变异性方面灵活性有限。本研究旨在探究机器学习(Machine Learning, ML)技术,以开发一种基于非破坏性新梢营养生长测量值预测果载量(fruit load)并结合概率方法进行
来源:Smart Agricultural Technology
时间:2026-06-01
-
<中文标题:自闭症中的非典型预测加工与感觉过度反应相关>
感觉过度反应(SOR),即对感觉刺激的负性反应增强,是自闭症谱系障碍(ASD)的特征之一,但其神经机制尚不明确。尽管SOR与感觉刺激期间的感觉-边缘系统高反应性有关,但预测加工(Predictive Processing)的异常可能在自闭症的非典型感觉处理中扮
来源:Autism Research
时间:2026-06-01
-
综述:免疫检查点抑制剂相关神经免疫不良反应:最新进展与未来展望
免疫检查点抑制剂(Immune Checkpoint Inhibitors, ICI)已变革了癌症治疗模式,但其通过破坏免疫耐受,可导致多器官免疫相关不良反应(immune-related adverse events, irAE)。ICI诱导的神经irAE涵
来源:Immunological Medicine
时间:2026-06-01
-
**基于胎儿T2加权MRI的自动定量脑形态学可靠性评价**
**引言**:从MRI进行胎儿皮层形态的三维评估对于理解早期大脑神经发育至关重要。然而,测量可能受到胎儿影像质量、可用堆栈的数量与选择以及重建方法的影响。
**方法**:研究人员在一个由30名正常发育胎儿[孕周(GA):22–36周]组成的队列中,评估了一种自
来源:Frontiers in Neuroscience
时间:2026-06-01
-
GLOBE:用于胶质瘤患者术前预测血栓栓塞与神经功能恶化的可解释机器学习平台
摘要
背景:胶质瘤患者术后静脉血栓栓塞(venous thromboembolism,VTE)和术后神经功能恶化(postoperative neurological deterioration,PND)的发生风险较高。传统临床评分系统在预测这些围手术期风险
来源:Frontiers in Neuroscience
时间:2026-06-01
-
基于域感知与域-类自适应的运动执行至运动想象脑电图分类网络
摘要:引言:运动想象(MI)是基于脑电图(EEG)的脑-机接口(BCI)中使用最广泛的范式之一。近年来,深度学习(DL)和迁移学习(TL)技术被越来越多地采用,以进一步提高MI-EEG解码性能,从而促进BCI的实际部署。在迁移学习中,源域与目标域之间的相似性是
来源:Frontiers in Neuroscience
时间:2026-06-01