当前位置:首页 > 今日动态 > 神经科学
  • 非综合征性颅缝早闭儿童的日常执行功能:手术时机与认知结局的关联性研究

    本文旨在探讨手术时机对非综合征性颅缝早闭(NSC)儿童及青少年日常执行功能(Executive Function)的影响。研究人员采用行为评定量表(BRIEF-2)对患儿与对照组进行了比较评估。研究发现,虽然两组在日常执行功能上无显著差异,但患儿手术年龄越大,在任务启动、工作记忆、计划/组织和任务监控等“冷”执行功能维度上的困难越大。该研究提示,早期手术干预可能对患儿的神经发育具有保护性意义,强调了评估及干预时机的重要性。

    来源:Child's Nervous System

    时间:2026-03-14

  • 综述:动静脉瘘的护理管理及人工智能:一项综述性研究

    本文系统综述了23项研究,探讨人工智能在慢性肾病患者的动静脉瘘管理中的应用,包括预防并发症、检测狭窄和预测衰竭,证实AI技术如卷积神经网络和XGBoost模型能有效提升临床决策和护理质量。

    来源:Journal of Renal Care

    时间:2026-03-14

  • 基于机器学习的中国东部深源高温地热场研究

    地表热流(SHF)是研究地球内部热过程和 crust-mantle 交互作用的关键指标。本文提出随机森林加权神经网络(RFWNNs)模型,整合 crustal 厚度、LAB 深度、莫霍面深度等12类地质地球物理数据,揭示中国东部SHF非线性的深层控制机制。模型R²达0.815,识别出东北(岩石圈变薄)、华北(裂谷 crust 架构)、华南(俯冲带岩浆活动)三大高热流区,为大陆边缘热动力学研究提供新方法。

    来源:Tectonophysics

    时间:2026-03-14

  • 普遍存在的“错失恐惧症”(FoMO)现象及其在工作场所的影响,以及神经多样性人群的思维特点:探究自闭症、注意力缺陷多动障碍(ADHD)与个体内在认知模式的关联

    恐惧错过(FoMO)与神经多样性特征及内部表征方式的关系研究。在302名美国全职员工中,发现ADHD症状对一般和职场FoMO均最强预测,视觉意象显著关联一般FoMO,而内部语言化和表征操作更影响职场FoMO,自闭症特质未达显著相关。研究采用回归分析和机器学习模型验证,揭示神经多样性特征与FoMO的领域特异性关联。

    来源:Personality and Individual Differences

    时间:2026-03-14

  • 动作语言实现的神经网络:一项基于脑电图(EEG)的源空间连接性研究

    语义记忆的具身表征机制:基于EEG源空间连接分析的运动-语言网络动态整合研究。

    来源:Journal of Neurolinguistics

    时间:2026-03-14

  • 夏季患有疼痛疾病的老年人在户外的热舒适度

    本研究针对寒冷地区夏季户外热环境,通过微气候参数记录与神经网络模型分析,揭示老年疼痛群体热感知特征,其中性温度(NUTCI)为25.31℃,较健康老年人低,并建立热舒适基准,为年龄友好社区设计提供依据。

    来源:ENERGY AND BUILDINGS

    时间:2026-03-14

  • 在随机负载和数据稀疏条件下,对二次使用电池的健康状态进行弹性估计:一种基于物理原理的连续时间微观-宏观架构

    可靠状态健康估计对二手锂电池至关重要,但面临异质老化、随机负载和数据稀疏挑战。本文提出物理指导的微宏观架构,微观层闭合式连续时间神经网络处理不均匀采样和噪声,宏观层Transformer跟踪长期退化,在Oxford、NASA RW20等数据集上实现0.0809 Ah和0.0568 Ah的RMSE,解决随机负载发散问题,故障场景误差降低86%。

    来源:JOURNAL OF POWER SOURCES

    时间:2026-03-14

  • 一种基于光谱-时间融合的多尺度注意力Transformer模型,用于锂离子电池全生命周期健康状态(SOH)的精确估计

    准确估计锂离子电池全生命周期健康状态(SOH)对电池管理系统至关重要。本文提出S-MSAT框架,通过多分支并行卷积提取短时瞬态与长时退化趋势的多尺度特征,结合可学习的FFT频谱门控网络实现频域噪声抑制与低频退化特征增强,无需人工特征工程即可直接处理原始时序数据,在NASA PCoE、RW、MIT及电船动态数据集上验证RMSE≤0.012、R²>97%的高精度和毫秒级实时性。

    来源:JOURNAL OF POWER SOURCES

    时间:2026-03-14

  • 一种基于自适应稀疏贝叶斯神经网络的滚动轴承剩余使用寿命增量预测方法

    针对轴承剩余使用寿命预测中数据稀缺、退化不一致性强的问题,提出自适应稀疏贝叶斯神经网络增量预测方法,通过时间级联贝叶斯神经网络框架量化预测不确定性,结合参数保留机制和阶段自适应相关对齐策略,提升模型轻量化与跨阶段退化特征适应性。实验验证其预测精度和泛化能力优于现有方法。

    来源:RELIABILITY ENGINEERING & SYSTEM SAFETY

    时间:2026-03-14

  • 在信息稀疏的情况下,用于设备状态描述的即插即用图可靠性增强方法

    针对极小标签场景下设备状态描述与故障诊断中输入图信息不足及噪声干扰问题,提出知识对比优化(GKCO)模块与双视图拓扑Transformer(DVTT)框架。GKCO通过对比正负图对的结构差异优化输入图质量,DVTT融合拓扑关系与序列特征增强故障特征提取。实验表明在叶轮泵和BJ-RAO数据集上,GKCO-DVTT较基线方法提升故障识别准确率最高达24.5%,并验证了输入图优化与特征提取协同的重要性。

    来源:RELIABILITY ENGINEERING & SYSTEM SAFETY

    时间:2026-03-14


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