-
一种结合聚类和卷积神经网络来预测液体装载开始的综合方法
液体载荷是气井常见问题,影响产量甚至停产,准确预测其启动对稳产至关重要。本文提出一种基于聚类优化模型与卷积神经网络(CNN)的新方法,通过整合1000余组气井数据训练,相比传统经验模型,聚类优化模型预测性能更优,尤其在适用性方面。结合CNN后整体准确率达95%,分别优于两种单一模型(聚类模型准确率92.5%-96.5%)。该混合策略增强了预测的鲁棒性,展现出良好的现场应用潜力。
来源:Canadian Journal of Chemical Engineering
时间:2026-04-16
-
基于卷积神经网络与硅胶/碳纳米管复合材料增材制造的压力与热敏软体机器人皮肤研究
为了解决机器人触觉感知中刚性传感器灵活性差、多点触感识别复杂以及热敏检测集成度低等问题,研究人员开展了柔性机器人皮肤的研究。他们通过凝胶挤出增材制造技术,制备了酸性聚二甲基硅氧烷(PDMS)/碳纳米管(CNT)复合的柔软、可拉伸皮肤,并利用仅有的四个角电极,结合卷积神经网络(CNN)分析电信号,成功实现了对触摸位置(F1分数0.96)和热刺激(F1分数0.89)的高精度识别。这项研究为开发高仿生、多模态感知的机器人皮肤提供了新策略。
来源:Advanced Composites and Hybrid Materials
时间:2026-04-16
-
极早产儿小脑体积与远期运动发育:基于TBM的脑结构-行为关联研究
本研究针对极早产(VPT)婴儿神经发育迟滞的早期预测难题,利用足月等效T2加权MRI与BSID‑III评估,发现左侧后小脑体积减小是运动延迟的特异性结构标志,为基于MRI的早期风险分层提供了影像学依据。
来源:Journal of Perinatology
时间:2026-04-16
-
先天性小头畸形患儿第一年发育结局的回顾性观察研究:持续性小头畸形与早期运动发育的关联
为解决先天性小头畸形与发育关联不清的问题,研究人员开展了回顾性队列研究,评估持续性 vs 已缓解小头畸形对婴儿运动发育的影响。结果显示,在4-6月龄时,持续性小头畸形患儿的Bayley运动综合得分显著更低,但至9-12月龄时差异不再显著。这项研究支持头围测量作为早期运动发育风险的简易预测工具。
来源:Journal of Perinatology
时间:2026-04-16
-
基于红外热成像与机器学习的下肢外周动脉疾病评估:纹理与频率特征联合分析
本研究针对下肢外周动脉疾病(PAD)早期诊断困难、缺乏无创监测手段的问题,开展了一项结合红外热成像、图像处理与人工智能算法的研究。研究人员通过标准化运动负荷前后采集受试者下肢热成像,提取Haralick纹理特征、温度分布图及频率特征,并利用SVM、CNN、KNN等算法构建分类模型。最终,通过XGB集成模型实现高达92.9%的准确率,成功区分了运动员、健康、心血管风险人群及PAD患者四组。该研究为PAD的早期无创筛查、治疗监测提供了创新的辅助诊断新思路。
来源:ARABIAN JOURNAL FOR SCIENCE AND ENGINEERING
时间:2026-04-16
-
任务态fMRI揭示听觉敏感性疾病(恐声症与听觉过敏)对情感性声音的差异性脑反应模式
本研究针对恐声症(misophonia)和听觉过敏(hyperacusis)这两种症状重叠且常共患的听觉敏感性障碍,为厘清其神经机制异同,研究者招募91名年轻人(分为恐声症组、听觉过敏组、共病组及对照组),采用基于任务的功能磁共振成像(fMRI)技术,让被试聆听并评定国际情感性数字声音库(IADS-2)中的声音效价。通过全脑功能激活和基于种子的功能连接分析,揭示了这两种疾病各自特异及共享的神经关联模式。该研究为区分两种障碍、理解其病理机制及开发靶向干预措施提供了重要神经影像学证据。
来源:COGNITIVE, AFFECTIVE & BEHAVIORAL NEUROSCIENCE
时间:2026-04-16
-
负性情绪特质与认知控制:中线额叶theta(FMT)的神经机制解析
青年成年期是多种精神病理表现浮现及认知控制等适应功能发展的关键时期。为探究抑制不必要行为的能力与精神病理发展相关人格特质间的神经关联,研究人员利用Go/No-Go任务,结合脑电图(EEG)技术,考察了中线额叶theta(FMT)和alpha频段活动。研究发现,FMT可中介高负性情绪(NEM)与认知控制表现下降之间的关联。这项研究揭示了情绪特质通过特定神经机制(FMT)影响认知控制的途径,为理解情绪相关精神病理风险提供了神经生物学洞见。
来源:COGNITIVE, AFFECTIVE & BEHAVIORAL NEUROSCIENCE
时间:2026-04-16
-
KAConvNet:用于视觉识别的Kolmogorov–Arnold卷积网络
KANs与CNN融合提出KAConvLayer和KAConvNet,在保持参数效率与可解释性的同时提升计算机视觉任务性能,解决B样条计算效率低和过拟合问题。
来源:Image and Vision Computing
时间:2026-04-16
-
差分注意力变换器增强的图神经网络用于精确的材料属性预测
材料属性预测中的差分注意力Transformer增强图神经网络方法,通过整合化学信息的位置编码和双注意力机制,有效捕捉晶体结构中的细微依赖关系,在材料项目数据集上实现带隙和形成能预测的误差降低。
来源:Engineering Applications of Artificial Intelligence
时间:2026-04-16
-
相位特异性脑电图监测:一种用于预测主动脉手术期间术后谵妄的动态方法
本研究分析主动脉手术中不同阶段脑电图(EEG)特征与术后谵妄(POD)的关联,发现术后CPB阶段alpha波功率降低(OR=0.76)和TCA阶段delta波功率降低(OR=0.87)是独立预测因子,同时CPB起始和TCA后BSR升高预测POD风险。分阶段EEG模型显示良好预测性能,为围术期谵妄风险管理提供新思路。
来源:Journal of Neurosurgical Anesthesiology
时间:2026-04-16