-
人工智能技术助力对改进型SPR生物传感器在疟疾诊断中的性能评估
摘要疟疾仍然是一个严重的全球健康问题,特别是在那些抗药性疟原虫种类普遍存在以及气候变化导致疟疾地理分布范围扩大的地区。为了应对对快速、高灵敏度疟疾诊断方法的迫切需求,本文提出了一种新型的表面等离子体共振(SPR)生物传感器设计,该传感器采用多层N-FK51a+SiO2+Cu+Hf
来源:Scientific Reports
时间:2026-06-09
-
一种基于热图像的新型冷物体检测与分类方法,该方法采用机器学习算法
摘要冷物体检测与分类技术通过非接触式热分析方法,能够可靠地识别和分类低温物体,从而补充了传统的以热量为中心的检测方法。该技术有助于准确监测物体的冷却过程、提高故障检测能力、加强质量控制,并且在光照条件较差或视觉识别困难的情况下依然能够保持高效。然而,由于缺乏具有区分性的温度信息,
来源:Scientific Reports
时间:2026-06-09
-
由孤雌生殖后代产生的大脑揭示了父系基因组在神经发育中的关键作用
摘要基因组印记是一种表观遗传机制,它调控着基于亲本来源的基因表达,在哺乳动物发育过程中至关重要。然而,由于孤雌生殖(Pg)胚胎的致死性,其在发育后期的作用仍不明确。在这里,我们提出了一种利用孤雌生殖细胞衍生的细胞进行细胞替换(CReP)的方法,这是一种囊胚补缺策略,能够使孤雌生殖
来源:Scientific Reports
时间:2026-06-09
-
Papio anubis(非洲绿狒狒)的足底肌腱形态:一项比较解剖学研究
摘要在人类中,足底肌(plantaris muscle)表现出显著的变异特征,然而来自非人类灵长类的相关数据仍然有限。本研究通过标准化解剖、形态测量以及基于人类特征的插入点分类方法,分析了23只成年阿努比斯狒狒(Papio anubis)的46条下肢的足底肌腱形态。所有样本中均存
来源:Scientific Reports
时间:2026-06-09
-
机器学习辅助的电力电子变换器剩余使用寿命预测
摘要本文提出了一种基于半导体器件和直流电容器健康监测的电力电子转换器剩余使用寿命(RUL)预测方法。主要研究的组件包括氮化镓高电子迁移率晶体管(GaN HEMTs)和铝电解电容器(AECs)。该方法利用实验室环境下的加速老化测试对组件进行长期特性分析。通过基于均匀概率密度函数(P
来源:Scientific Reports
时间:2026-06-09
-
遗传性转甲状腺素蛋白淀粉样变性中血清神经丝轻链、GFAP及外周蛋白作为生物标志物的评估
早期诊断和准确监测疾病进展对于遗传性转甲状腺素蛋白淀粉样变性(ATTRv)的及时治疗干预至关重要。神经丝轻链(NfL)已成为跨神经退行性疾病中神经轴突损伤的敏感生物标志物。本研究旨在调查ATTRV30M淀粉样变患者及症状前基因携带者的血清NfL、胶质纤维酸性蛋
来源:Scientific Reports
时间:2026-06-09
-
短暂性额骨骨折:对“超聚焦”现象的理论解释
摘要:许多人都有过这样的经历:他们完全沉浸在某项活动中,以至于忽略了周围的环境,难以停止这项活动,并且感觉时间过得异常快。这种现象在通俗中被称为“超专注”。目前关于“超专注”的同行评审研究虽然数量不多,但正在迅速增加。大多数这类研究依赖于自我报告的测量方法,而对导致“超专注”的
来源:Journal of Cognitive Neuroscience
时间:2026-06-09
-
基于任务导向的神经架构搜索方法,实现无需分割的术前3D MRI图像分类,用于区分低级别与高级别胶质瘤
摘要
胶质瘤占原发性脑肿瘤的大多数,通过MRI进行准确诊断对于患者管理至关重要。现有的计算机辅助诊断方法通常依赖于肿瘤分割框架。在这项研究中,提出了一种不依赖于肿瘤分割的体积分级方法,用于区分低级别胶质瘤(LGG)和高级
来源:Journal of Imaging
时间:2026-06-09
-
基于配对患者-配偶样本和机器学习共识策略的帕金森病尿液代谢标志物初步筛选:一项探索性研究
帕金森病(PD)尚缺乏可靠的非侵入性诊断生物标志物。尿液作为生物标志物发现的重要生物流体具有巨大潜力,但共同环境与生活方式的深远影响构成主要混杂因素。为严谨应对这一问题,研究人员设计了一项采用独特配对队列的探索性研究:将PD患者与其健康配偶进行配对。研究人员对
来源:Frontiers in Neurology
时间:2026-06-09
-
慢性硬膜下血肿钻孔引流术后出院时功能状态不良的术前CT标志物:一项回顾性队列研究
背景:慢性硬膜下血肿(chronic subdural hematoma,CSDH)是老年人中最常见的神经外科疾病之一,但对于手术清除后短期功能状态的术前预测因素,目前界定仍不充分。本探索性研究评估了术前计算机断层扫描(computed tomography,
来源:Frontiers in Neurology
时间:2026-06-09