• 演化神经动力学的波函数形式化：一个由脑电图（EEG）启发的数学框架

  分布式神经活动的组织仍是计算神经科学的核心挑战之一。包括整合信息理论（Integrated Information Theory, IIT）、全局工作空间理论（Global Workspace Theory, GWT）、基于熵的方法（entropy-based

  来源：Frontiers in Computational Neuroscience

  时间：2026-10-12

• 人类大脑“时间流逝”感知的神经基础：区间计时与心理时间旅行

  尽管据报道神经退行性疾病（neurodegenerative diseases）和脑损伤（brain injuries）会损害“时间流逝”（“flow of time”）感知，但其潜在神经机制仍不确定。研究人员检查了与区间计时（interval timing）

  来源：Frontiers in Neurology

  时间：2026-10-12

• 血液神经丝轻链（NfL）对缺血性卒中患者功能预后的预测价值：一项系统评价与Meta分析

  引言： 本Meta分析旨在评估血液神经丝轻链（NfL）与缺血性卒中患者功能预后之间的关联。 方法： 研究人员系统检索了PubMed、Web of Science、Embase、Cochrane Library及中国知网（CNKI）数据库，检索时间自建库至202

  来源：Frontiers in Neurology

  时间：2026-10-12

• 整合自闭症异质性：从维度特质、机制框架到互动神经科学的结论性编辑概览

  自闭症（autism）以认知、情感、行为和神经特征谱（neural profiles）中的显著异质性（heterogeneity）为标志。被诊断个体中的这种异质性也反映在一般人群中自闭症特质（autistic traits）的广泛分布。超越对社会沟通和/或重复

  来源：Personality Neuroscience

  时间：2026-10-12

• 西班牙语失语症话语中句法与形态复杂度的多指标评估：跨体裁比较研究

  目的：本研究旨在确定四种不同话语体裁任务（描述性、程序性、对话性和叙事性）中，哪一种对检测西班牙语失语症的句法和形态复杂度缺陷最为敏感。此外，研究人员比较了两种测量话语中句法的方法，以识别最准确的区分组别的指标集。 方法：在这项比较性横断面研究中，研究人员分析

  来源：Neuropsychologia

  时间：2026-10-12

• SEED：融合语义与边界的统一ROI分割内窥镜双编码器框架

  SEED：一种用于统一感兴趣区（ROI, region of interest）分割的语义内窥镜双编码器框架。SEED框架将语义与边界结合，以实现准确的内窥镜分割（endoscopic segmentation）。SG-MSA（Structure-Guided

  来源：Neurocomputing

  时间：2026-10-12

• 焦虑前自主神经失调可穿戴监测的可信评估：基于AB-QGN的数据泄漏控制与诚实性能基准

  摘要可穿戴设备对焦虑障碍前自主神经失调的监测必须能推广至未见过的佩戴者；所报告的准确率在很大程度上反映的是评估协议，而不仅仅是模型本身。我们使用了一种固定仪器——自主神经分支量子图网络（AB-QGN），将每一条自主神经分支映射到浅层纠缠电路中的一个具名量子比特。在架构与特征固

  来源：Sensors

  时间：2026-10-12

• **环糊精赋能δ-生育三烯酚治疗应激与记忆功能障碍：分子机制、生物技术应用与生物制造意义**

  **摘要** **背景**：抗氧化剂因其能够缓解细胞氧化应激、活性氧（reactive oxygen species, ROS）生成及炎症而具有显著的健康益处。维生素、膳食脂肪酸、矿物质、微量营养素及植物源性类黄酮因通过减轻氧化应激和神经炎症（神经退行性疾病

  来源：Annals of Neurosciences

  时间：2026-10-12

• 脑雾量表（Brain Fog Scale）在印度心理社会文化情境中的跨文化改编与印地语翻译：心理测量学特性及与生活质量、社会幸福感的关系研究

  摘要 背景：脑雾（Brain Fog）是一种主观体验，其特征包括健忘、注意力不集中、思维迟缓、解离（dissociation）与疲劳，个体常将其描述为面对原本简单任务时出现“心理壁垒”（mental wall）。2019年疫情期间及之后，针对脑雾的科学探究在全

  来源：Annals of Neurosciences

  时间：2026-10-12

• 基于数学模型与机器学习方法预测蛋鸡育成期能量需求量的比较研究

  本研究的目的是评估蛋鸡育成期的能量摄入和能量分配，并比较数学模型与机器学习方法在预测能量需求量方面的表现。研究选用480只1日龄“京粉6号”蛋鸡育成鸡，初始体重（BW）约为36 g，随机分配到30个栏位（每栏16只）。研究期间进行了16次间接测热法测定和23次

  来源：Animal Nutrition

  时间：2026-10-12

知名企业招聘：