• 利用天然植物化合物靶向ROCK亚型：一种调节神经系统疾病中线粒体分裂与线粒体自噬的计算机模拟方法

  神经元存活的关键细胞器之一是线粒体。为维持突触功能与神经传递，这些细胞依赖于高水平的ATP以及受调控的线粒体动力学（分裂与融合）和线粒体自噬过程。任何线粒体过程的失调，如过度分裂和/或受损线粒体清除障碍，均可导致神经细胞损伤并引发神经炎症，而神经炎症是多种神经退行性疾病的主要

  来源：Neuroinformatics

  时间：2026-10-13

• 综述：岛叶受累与缺血性卒中后首次发现的房颤：系统评价和荟萃分析

  摘要目的通过脑影像学发现的岛叶受累与缺血性卒中后首次检出的心房颤动之间的关联尚不确定。我们评估了该关联，并对预设的心脑血管结局进行了总结。方法检索了七个数据库，时间截至2026年4月5日；其中六个数据库检索自建库之日起，万方数据检索自2000年1月。纳入的研究需纳入缺血性卒中

  来源：Clinical Autonomic Research

  时间：2026-10-13

• 重复经颅磁刺激（rTMS）治疗阿尔茨海默病的疗效与安全性：一项包含35项随机假对照试验的更新Meta分析

  摘要背景阿尔茨海默病（AD）是全球痴呆症的首要病因，会导致渐进性的认知和功能障碍，严重损害患者的独立生活能力并加重照护者负担。重复经颅磁刺激（rTMS）是一种无创神经调控技术，越来越多地应用于AD的研究中，然而各试验在靶区选择、刺激参数和结局指标上存在广泛差异，限制了临床指导

  来源：Neuromodulation: Technology at the Neural Interface

  时间：2026-10-13

• ACCORD试验中线粒体拷贝数和异质性与认知功能的关联

  •线粒体功能障碍可能影响糖尿病患者的特定认知领域•线粒体异质性越高，处理速度越差•男性中线粒体DNA拷贝数越低，处理速度越差•异质性和拷贝数与整体认知无关引言线粒体在衰老和年龄相关疾病中发挥多种关键作用，包括产生三磷酸腺苷（ATP）为细胞提供能量、调节细胞信号传导以及启动细胞

  来源：Neurobiology of Aging

  时间：2026-10-13

• 来自Achillea biebersteinii Afan.的薄荷烷型单萜：立体化学结构解析及其抗炎活性

  • 从Achillea biebersteinii的地上部分中提取了33种薄荷烷单萜。 • 成功确定了17种未描述化合物的绝对构型。 • 确定了9种未描述的天然化合物和2种已知化合物的绝对构型。 • 通过X射线和量子化学计算解决了薄荷烷的NOES

  来源：Phytochemistry

  时间：2026-10-13

• 优化治疗方案：基于分数阶肿瘤模型神经网络分析的见解

  摘要 本文描述了一种化疗期间肿瘤生长的数学模型，采用分数阶微积分方法来考虑癌细胞、正常细胞、免疫细胞和药物之间的相互作用。这种方法更好地反映了生物记忆的作用，即系统在给定时间点的状态。通过使用神经网络分析求解数学方程，展示了治疗方案如何影响这些细胞水平随时间的发展。这些模拟测

  来源：Mathematical Biosciences

  时间：2026-10-13

• 基于可迁移集成残差收缩网络与自适应代价敏感学习的混合噪声条件下轴承故障诊断

  摘要 近年来，各种故障诊断方法被开发出来以应对数据噪声。然而，工作条件变化、随机噪声等因素导致不同样本之间的信噪比不一致，从而造成诊断结果不理想。因此，本文提出了一种基于可迁移集成残差收缩网络（TERSN）和自适应代价敏感学习（ACSL）的混合噪声条件下轴承故障诊断方法。T

  来源：Neurocomputing

  时间：2026-10-13

• 基于变点的密度聚类：通过自适应的核心-边界识别方法

  •为非球形和密度分布不均匀的数据提出了一种复合密度因子。•通过变点分析识别核心和边界实例。•开发了一种图增长框架，用于逐步恢复簇结构。•无需手动调整密度或邻域参数。引言聚类是一种基本的数据分析技术，旨在自动将具有相似特征的样本分组到不同的类别中。它已被广泛用于图像处理[15]、异

  来源：Neurocomputing

  时间：2026-10-13

• 间歇性禁食作为阿尔茨海默病的治疗策略：对脑源性神经营养因子调节机制的理解

  • 间歇性禁食可以增强BDNF的表达，从而支持阿尔茨海默病中的神经保护作用。 • 禁食通过激活自噬作用减少Aβ沉积和tau蛋白的过度磷酸化。 • 禁食产生的酮体有助于提高神经细胞的韧性和突触可塑性。 • 间歇性禁食改善代谢健康，减少阿尔茨海默病中的

  来源：Physiology & Behavior

  时间：2026-10-13

• 用于非线性函数加速的完全可重构可编程VLIW架构

  **摘要：** 由于计算模式多样且仍在不断演进，非线性函数已成为神经网络推理的主要性能瓶颈。现有方案在效率与灵活性之间存在取舍：固定功能硬件虽然高效但难以扩展，而通用底层的处理方案对于多种非线性函数而言效率仍然不足。我们提出了全可重构向量（FRV）-特殊函数单元（SFU）-

  来源：IEEE Transactions on Very Large Scale Integration (VLSI) Systems

  时间：2026-10-13

知名企业招聘：