-
α振荡与条件性疼痛调制与神经病理性疼痛脊髓刺激治疗抵抗的相关性研究
背景:神经病理性疼痛(neuropathic pain, NP)是一种严重影响生活质量的慢性疼痛类型,脊髓刺激(spinal cord stimulation, SCS)可为部分患者提供疼痛缓解,但并非所有患者均有效,因此亟需预测性生物标志物。既往研究显示,N
来源:European Journal of Pain
时间:2026-04-09
-
在长时间定期随访后发生的极晚期脑脊液分流系统故障:病例系列报告
晚发性脑脊液分流功能障碍临床特征及管理分析。采用回顾性研究方法,纳入7例术后21-52年出现分流管远端堵塞(5例)或断裂(2例)的病例。主要表现为复发性颅内压增高(5例),合并腹膜感染或腹腔假性囊肿等并发症。所有病例经外引流后行分流器修订或转换术,其中3例女性因腹膜炎症出现反复堵塞。研究显示约57%患者存在轻中度认知障碍但保持基本独立。
来源:Child's Nervous System
时间:2026-04-09
-
深度学习增强双模式多重光学传感器实现心血管疾病即时诊断
本研究针对现有心脏生物标志物检测流程碎片化、耗时长、灵敏度不足及多重检测受限等问题,开发了集成比色与化学发光双模式的垂直流检测平台(xVFA),结合便携式读卡器与神经网络分析,可在23分钟内同时定量三种关键标志物,为心血管疾病的快速精准诊疗提供了创新解决方案。
来源:Light-Science & Applications
时间:2026-04-09
-
妊娠期间体重增加与儿童3岁时的神经发育之间的关联
孕期体重增加(GWG)及其轨迹与3岁儿童神经发育关联的前瞻性队列研究。采用4177对母子数据,通过Bayley Scales评估神经发育,发现过度GWG增加认知风险50%,特定“Slow-Rapid”轨迹提升认知和沟通风险。母乳喂养时长≤12个月时,不足GWG显著增加认知风险。研究为孕期体重管理及早期干预提供依据。
-
节能型数字孪生驱动的智能监控与多源数据融合优化:面向下一代数据中心电力环境
数字孪生驱动的智能监控框架通过融合图Transformer-Kalman网络与强化学习优化数据中心能效与热管理。实验验证了其显著提升异常预测准确率、冷却能效和电力环境稳定性。
来源:Sustainable Computing: Informatics and Systems
时间:2026-04-09
-
《比例Caputo-Hybrid分数不等式的全面分析及通过人工神经网络的数值验证》
作者:Ayed R. A. Alanzi, Mariem Al-Hazmy, Raouf Fakhfakh, Wedad Saleh, Abdellatif Ben Makhlouf, Abdelghani Lakhdari
分数阶积分误差估计框架基于σ-凸性提出,通过参数化牛顿-柯特斯公式衔接经典求积规则,并采用人工神经网络验证误差估计的鲁棒性。
来源:Fractal and Fractional
时间:2026-04-09
-
基于BLNN的预定义时间控制算法:用于具有执行器故障和未知非线性特性的航天器近距离接近操作
针对航天器近距离交会中存在的执行器故障、外部干扰和未知非线性问题,提出基于扩展学习神经网络(BLNN)的预定义时间控制策略(BLNNPTC)。设计非线性性能函数约束输出,构造非奇异预定义时间滑模面确保快速收敛,采用特征节点优选策略提升神经网络逼近能力,并融合超扭曲干扰观测器估计复合扰动。仿真验证了方法的有效性和优越性。
来源:Advances in Space Research
时间:2026-04-09
-
利用迁移学习进行太阳帆轨道成本估算
本文提出利用迁移学习技术优化太阳能帆板的多目标轨道转移计算。通过对比传统从头训练人工神经网络与基于预训练模型的迁移学习方法,证明后者在模型切换时仅需少量样本即可达到较高精度,显著降低训练时间和计算成本。研究采用两种不同帆板模型验证,发现迁移学习可保持模型泛化能力同时减少数据需求。
来源:Advances in Space Research
时间:2026-04-09
-
用于层压复合材料损伤量化的并行核深度学习模型
研究提出PK-CNN框架,通过并行卷积层提取层压复合材料 Lamb 波信号的局部与全局特征,实现损伤严重性分类(四类)和九区定位。实验验证显示,该模型在损伤严重性分类测试准确率达95.83%,定位任务准确率达98.15%,显著优于传统CNN。分隔符
来源:Advances in Engineering Software
时间:2026-04-09
-
通过喷雾冷冻造粒干燥法制备的氧化铝陶瓷的造粒条件、颗粒性能与生坯密度之间的相关性分析
喷洒冷冻干燥制备氧化铝颗粒过程中,通过皮尔逊相关系数和主成分分析发现,冷冻温度升高导致颗粒休止角减小且生坯密度提高,可能与表面颗粒重组更易发生有关。随后构建了多重回归和多层感知机神经网络模型,经消除多重共线性后,神经网络模型对生坯密度的预测R²达0.84,验证了工艺参数-结构-性能关系的可靠性。
来源:Advanced Powder Technology
时间:2026-04-09