-
RSM-GA-BP优化超声-酶辅助低共熔溶剂提取黄蜀葵叶黄酮及其机理研究
本研究旨在优化超声-酶辅助低共熔溶剂提取黄蜀葵(Abelmoschus manihot (L.))叶黄酮(AMLF)的工艺条件并阐明其潜在作用机制。研究人员首先通过单因素实验筛选提取参数,随后采用响应面法(RSM)进行优化。研究构建了反向传播(BP)神经网络耦
来源:Ultrasonics Sonochemistry
时间:2026-03-20
-
综述:自闭症谱系障碍的新治疗靶点:最新进展、挑战与未来展望
自闭症谱系障碍(Autism Spectrum Disorder, ASD)是一种复杂的神经发育性疾病,以社交互动、沟通和行为差异为特征。ASD的病因是多因素的,遗传、环境和表观遗传变量发挥着重要作用。这些因子的复杂相互作用推动了针对ASD潜在分子和神经机制的
来源:Research in Autism
时间:2026-03-20
-
白塞综合征中外周CD161<sup>+</sup>调节性T细胞升高及其临床意义
目的 白塞综合征(Behçet syndrome, BS)是一种以多免疫细胞亚群免疫失调为特征的系统性自身免疫性血管炎。CD161<sup>+</sup>调节性T细胞(regulatory T cells, Treg)具有促炎特性,在炎症过程中损害免疫调节。本
来源:ACR Open Rheumatology
时间:2026-03-20
-
基于传播增强预测框架(Propagation-Enhanced Prediction Framework)的区域百日咳短期传播风险的时空建模(Spatiotemporal Modeling)
摘要:准确预测区域百日咳(pertussis)传播对公共卫生监测至关重要,但因存在复杂空间异质性、隐含的城市间扩散路径及非线性时间动态性而具挑战性。研究人员开发了一种时空风险预测框架(spatiotemporal risk prediction framewo
来源:Frontiers in Public Health
时间:2026-03-20
-
面向岩性识别的图结构一致性与伪标签引导无源域自适应
岩性识别作为油气勘探和地质资源评估的核心技术之一,其准确率在很大程度上决定了地下储层分析的合理性(Yan等, 2024)。随着人工智能的快速发展,基于深度学习的自动化方法逐渐兴起,这些方法从海量标注数据中学习特征表示,在岩性识别方面取得了重大突破(Jing等,
来源:Engineering Applications of Artificial Intelligence
时间:2026-03-20
-
不孕女性深部子宫内膜异位症(DE)微创保留神经完整切除术的安全性与生殖结局:一项1年随访研究
背景/目的:深部子宫内膜异位症(DE)是一种显著影响生育力的慢性炎症性疾病。该研究旨在评估微创保留神经完整切除术对已有不孕记录女性自然受孕率的影响程度。方法:这是一项预先设计的跨学科回顾性观察性研究,纳入45例希望自然受孕并在术后随访12个月的患者。结果:自然
来源:Journal of Personalized Medicine
时间:2026-03-20
-
基于卷积神经网络(CNN)的复杂地形风场降尺度研究——利用CFD模拟数据训练自编码器(AE)与变分自编码器(VAE)模型
摘要:本研究利用一组高分辨率计算流体动力学(CFD, Computational Fluid Dynamics)风场模拟数据,训练三种卷积神经网络(CNN, Convolutional Neural Network)变体——普通自编码器(AE, Autoenc
-
基于信息动态耦合效应揭示多源信息的半监督图注意力网络螺杆泵故障诊断
螺杆泵是将井下石油提升至地面的关键设备,螺杆泵故障会严重干扰油井生产。由于螺杆泵结构复杂,同一故障可引起监测参数的不同变化,不同故障也可能导致相同的参数变化。鉴于这种复杂性,实际应用中诊断模型需要大量标注数据方可实现螺杆泵故障诊断。针对这种情况,研究人员通过对
-
IAE-Net:集成通道注意力(Channel Attention, CA)与可变形注意力(Deformable Attention, DA)的面部表情识别(Facial Expression Recognition, FER)网络
摘要:针对面部表情识别(Facial Expression Recognition, FER)中由非刚性面部形变、姿态变化及光照差异引起的特征错位与判别性不足问题,研究人员提出一种端到端深度网络——IAE-Net(Integrated Attention-En
来源:Mathematics
时间:2026-03-20
-
基于自适应虚拟电抗(Virtual Reactance)的电动汽车充电站构网型变流器(Grid-Forming Converter, GFM)故障限流(Fault-Current Limiting)方法
准确的短时交通延误预测对于有效的交叉口管理和实时交通控制至关重要。尽管深度学习模型在交通预测中展现出强大的预测能力,但输入特征配置对预测性能的影响仍未得到充分理解。本研究以吉达(Jeddah)市某城市环形交叉口采集的高分辨率、分钟级进口道(Approach-L
来源:Vehicles
时间:2026-03-20