-
可注射的脂质体锚定水凝胶微球通过调节炎症微环境并招募内源性干细胞来促进脊髓损伤的修复
摘要
脊髓损伤(SCI)后早期的局部炎症反应会阻碍理想的临床结果,这是由于周围骨髓来源的间充质干细胞(BMSCs)功能失调以及内源性修复机制受到抑制。在这项研究中,我们开发了一种具有双重功能的脂质体锚定水凝胶微球复合材料
来源:Small Structures
时间:2026-04-08
-
经皮耳迷走神经刺激在两个不同位置的急性效应对健康个体和高血压患者的血压及心脏自主神经调节的影响:一项随机交叉临床试验的初步研究
经皮耳垂迷走神经刺激(taVNS)对血压及自主神经调节的影响存在部位依赖性。研究通过随机交叉设计比较耳垂与耳甲腔刺激对高血压和健康人群血压及心率变异性(HRV)的影响,发现耳甲腔刺激显著降低健康人血压,耳垂刺激仅使高血压患者舒张压下降,且自主神经调节效应不显著。研究提示单次短时刺激效果有限,需延长干预周期。
来源:Physiotherapy Research International
时间:2026-04-08
-
通过扇区卷积神经网络实现旋转不变表示学习
旋转卷积网络通过扇形卷积提取旋转equivariant特征,结合旋转不变编码器实现任意旋转不变性,实验验证其在图像分类和视觉里程计任务中优于基线方法。
来源:Pattern Recognition
时间:2026-04-08
-
DSA-GNN:通过度抑制和注意力机制优化图结构中的长尾现象
提出DSA-GNN通过 Degree Suppression with Attention机制抑制高阶节点主导的长尾现象,并融合奇偶跳邻居信息,理论证明其通过有限方差特征空间和最小化谱回归损失提升模型泛化能力,实验在多种异构图数据集上达到新SOTA性能。
来源:Pattern Recognition
时间:2026-04-08
-
基于深度学习模型中无覆盖信息隐藏技术的可逆对抗样本生成
可逆对抗样本生成框架通过模型驱动无覆盖信息隐藏解决传统方法不可逆问题,在保持高攻击成功率的同时实现视觉质量优化和精确恢复,适用于隐私敏感场景。
来源:Neurocomputing
时间:2026-04-08
-
HETLesion:一种用于CT图像中肝脏病变分割的层次化扩展Transformer框架,并结合了XAI(解释性人工智能)技术
精准的肝脏病变分割对临床治疗策略至关重要,但传统方法面临病灶多样性、背景复杂性和边界模糊等挑战。本文提出HETLesion模型,融合CNN与Transformer架构,通过EVTran模块实现跨尺度特征交互,结合自适应加权中值滤波(AWMF)和对比受限自适应直方图均衡化(CLAHE)预处理技术,显著提升小病灶和低对比度边界的分割精度。实验在肝脏肿瘤和深层病变数据集上验证,Dice系数分别达到98.4%和98.83%,在模型复杂度与性能间取得平衡。
来源:Neurocomputing
时间:2026-04-08
-
AttMamba:一种结合注意力机制的多模态抑郁检测模型
抑郁症多模态检测模型AttMamba通过双路径架构(双向Mamba与线性注意力)和HierSparse融合机制,在计算效率(O(L)复杂度)与捕捉长程非线性行为间取得平衡,有效识别视频中的稀疏抑郁特征。
来源:Neurocomputing
时间:2026-04-08
-
多层次特征融合与几何表示在无监督点云配准中的应用
多级邻域特征融合与三角形几何约束的未监督点云配准方法MFGRNet,通过多尺度邻域特征融合和Transformer编码器捕捉全局上下文,结合三角形几何约束增强配准精度和鲁棒性,在合成与真实数据集上显著优于现有方法。
来源:Neurocomputing
时间:2026-04-08
-
结合神经形态计算的Rat-SLAM(一种机器人导航算法)
本研究提出将基于忆阻器的改进型Leaky Integrate-and-Fire(MLIF)模型应用于Rat-SLAM算法的自主移动机器人SLAM问题,通过软件仿真与真实机器人实验验证其有效性,重点分析神经形态计算硬件实现对能耗和性能的优化作用,并比较CPU/GPU与神经形态硬件的能量效率差异。
来源:Neurocomputing
时间:2026-04-08
-
基于深度感知的稀疏查询技术,用于高效的多视图BEV(Bird's-Eye View,鸟瞰图)感知
多视角3D目标检测中,现有稀疏查询方法在融合2D检测先验时面临深度估计不准确、误差传播和计算效率问题。本文提出DASQ框架,通过融合概率与回归深度估计提升精度,设计动态自适应查询生成机制优化3D先验初始化,采用注意力机制有效整合2D信息,并开发轻量化DG-Net骨干网络。实验表明DASQ在nuScenes数据集上mAP提升3.2%,Jetson AGX Orin平台推理速度达10.1FPS。
来源:Neurocomputing
时间:2026-04-08