当前位置:首页 > 今日动态 > 神经科学
  • 拉丁美洲和加勒比地区重症肌无力的诊疗不平等:挑战与现状

    为揭示拉丁美洲和加勒比(LAC)地区重症肌无力(MG)患者面临的诊断与治疗不平等的严峻现实,研究人员开展了横跨12国的调查。研究表明,该地区存在显著的医疗资源分配不均、自费成本极高、专科医师短缺等核心问题,导致多数患者难以获得标准诊疗,新型疗法更是几乎不可及。此研究为理解LAC地区罕见病医疗差距提供了关键证据。

    来源:Frontiers in Public Health

    时间:2026-04-08

  • 综述:运动对阿尔茨海默病老年患者认知功能的影响:元回归与元分析

    本元分析系统评估了运动干预对阿尔茨海默病(AD)患者认知功能的疗效,并深入探讨了运动频率、单次时长、总干预周期等参数对认知改善的剂量-反应关系。结果表明,运动可显著改善AD患者的整体认知功能(g=0.22),尤其当每周运动频率超过5次时,认知获益更为显著。这为设计精准、个体化的AD运动处方提供了重要实证依据。

    来源:Frontiers in Public Health

    时间:2026-04-08

  • 子宫内膜异位症女性短期心理治疗中的初级情绪系统与人格功能:一项基于ANPS与SWAP-200的纵向研究

    为解决子宫内膜异位症(EM)患者常伴有的慢性盆腔痛、心理与性困扰,以及心理动力学干预探索不足的问题,研究人员开展了“原发性情绪系统与人格功能”的主题研究。结果发现,整合于妇科护理的短期心理动力干预与ANPS悲伤(SADNESS)量表的显著选择性降低相关,并与功能神经障碍(FND)共享可能的情绪调节机制。该研究为EM的整合心理治疗提供了初步证据。

    来源:Frontiers in Psychology

    时间:2026-04-08

  • 散射感知图神经网络与迁移学习驱动的少样本SAR图像飞机检测

    本研究针对合成孔径雷达(SAR)图像在少样本目标检测(FSOD)场景下性能不足、机制不清的问题,提出一种融合散射先验知识的散射感知图神经网络(SAGN)。框架引入显式特征解耦策略,通过显著特征生成器(SFG)强化目标–背景判别以实现定位,利用结构特征注入器(SFI)结合拓扑约束增强少样本分类泛化性,并结合迁移学习提升小样本适应能力。在SAR‑Aircraft‑1.0数据集上取得mAPnovel=0.507、mAPbase=0.808的优异结果,为SAR‑ATR系统在有限样本下的鲁棒感知提供了可解释方案。

    来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing

    时间:2026-04-08

  • SSMFMamba:面向高光谱图像分类的空间-光谱Mamba-卷积融合网络

    针对CNN难以捕捉长程依赖、Transformer计算复杂度高及Mamba存在长程衰减等问题,本研究提出空间-光谱Mamba-卷积融合网络(SSMFMamba)。通过设计空间引导邻域扫描模块(SGNSM)、空间-光谱卷积模块(SSCM)及多注意力融合模块(MAFM),有效结合全局与局部特征。在Houston2013、WHU-Hi-LongKou及Pavia University数据集上的实验表明,该方法优于现有先进高光谱分类网络。

    来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing

    时间:2026-04-08

  • S⁴ST:面向无数据可迁移目标攻击的强鲁棒、自对齐快速尺度变换框架及其机制解析

    针对无数据条件下可迁移目标攻击(TTAs)因对代理模型严重过拟合而泛化差、现有方案依赖黑箱反馈导致评估不公等问题,本研究提出盲估计指标Self-Alignment与Self-Transferability,揭示尺度缩放(Scaletransformation)独特优势与几何/颜色变换冗余性,据此设计S⁴ST(Strong,Self-transferable,faSt,SimpleScaleTransformation),实现无数据依赖的高效高迁移攻击,验证其在医疗影像与人脸认证中的泛化价值。

    来源:IEEE Transactions on Pattern Analysis and Machine Intelligence

    时间:2026-04-08

  • 基于特征域多尺度梯度映射的图像压缩感知网络LGM-Net:高维信息自适应重建新范式

    为解决压缩感知中高维特征信息利用不足与采样信息丢失导致的图像重建失真和模糊问题,研究人员提出了LGM-Net。该研究通过特征域自适应内生梯度重建(AEGR)策略、双变量迭代U-Net架构与辅助变量融合(AVF)策略,实现了对全局信息的更好捕捉。实验表明,该方法在图像重建质量上超越了当前前沿(SOTA)方法,为高保真图像重建提供了新思路。

    来源:IEEE Transactions on Multimedia

    时间:2026-04-08

  • 图神经网络辅助的移相器网络在线校准

    摘要:在毫米波(mmWave)通信中,采用混合模拟和数字波束成形技术的大规模天线系统对于实现5G及后续无线网络的可靠、高数据速率传输至关重要。然而,用于控制和塑造辐射模式的移相器网络(PSNs)极易受到制造缺陷、硬件退化以及温度变化等因素导致的相位偏差影响。为了保持其运行效率,

    来源:IEEE Transactions on Machine Learning in Communications and Networking

    时间:2026-04-08

  • 基于混合GNN的AI原生6G无线网络架构:全面综述

    摘要: 6G无线系统日益增长的复杂性、规模和异构性要求转向基于人工智能(AI)的架构,这些架构不仅需要数据驱动,还需要具备拓扑感知能力、自适应性和分布式特性。图神经网络(GNN)由于其对图结构数据的原生支持,非常适合用于

    来源:IEEE Communications Surveys & Tutorials

    时间:2026-04-08

  • 利用长短期记忆网络(LSTM)进行数据驱动的循环滤波器设计,以提升SRF-PLL系统中的电网同步性能

    摘要:在非静态和畸变的电网条件下,准确且稳健的电网同步对于以逆变器为主导的电力系统的运行至关重要。由于结构简单,SRF-PLL仍被广泛采用;然而,其动态性能从根本上受到固定参数的比例积分(PI)环滤波器的限制,这导致在瞬态响应和干扰抑制之间需要做出权衡。针对这些局限性,本文提出了

    来源:IEEE Access

    时间:2026-04-08


高级人才招聘专区
最新招聘信息:

知名企业招聘:

    • 国外动态
    • 国内进展
    • 医药/产业
    • 生态环保
    • 科普/健康