• 可解释光学信息流神经网络

  远程材料类型识别在工业生产、非接触检测及质量控制中具有重要价值。然而，依赖硬件偏振片的传统方法存在光强损失和成本较高的问题，而缺乏物理约束的现有深度学习方案则面临计算复杂度高和可解释性不足的挑战。为此，研究人员提出了一种用于远程材料识别的可解释光学信息流神经网

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-05-22

• 医疗服务提供者对面向神经多样性客户群体的网络化自助式心理健康项目的观点

  研究目的：网络化自助式项目为帮助神经多样性个体克服心理健康支持障碍提供了一条途径。然而，关于医疗服务提供者如何看待这种护理模式的了解甚少。本研究旨在探讨澳大利亚医疗服务提供者对网络化自助式项目的观点，包括其对项目设计的专业建议。研究方法：通过包含开放性和封闭性

  来源：Australian Psychologist

  时间：2026-05-22

• 先天性心脏病危重婴儿心脏重症监护室神经综合监测实现动脉缺血性卒中的早期识别：单中心经验

  目的：评估综合神经监测策略在高危危重CHD婴儿中早期识别动脉缺血性卒中的临床应用价值。方法：单中心回顾性研究，基于儿科心脏重症监护联盟（Pediatric Cardiac Critical Care Consortium, PC4）注册数据库、本单位心脏重症监

  来源：Cardiology in the Young

  时间：2026-05-22

• 综述：睾酮在胶质母细胞瘤中的双重作用：从靶向治疗到肿瘤微环境调控与神经保护

  胶质母细胞瘤（Glioblastoma, GB）仍是人类最具侵袭性和致死性的肿瘤之一，其在男性中的显著高发提示性激素尤其是睾酮（Testosterone, TST）可能参与其发病机制。本综述系统整合了当前关于睾酮在GB生物学中双重作用的研究证据。一方面，睾酮通

  来源：Biomimetic Intelligence and Robotics

  时间：2026-05-22

• 抑郁症是否增加子宫内膜异位症风险？一项结合人群基础与实验室的研究

  摘要 子宫内膜异位症是一种慢性雌激素依赖性炎症性疾病，可导致显著疼痛及不孕。观察性研究发现子宫内膜异位症患者中多种精神障碍的发病率升高，但混杂因素与反向因果关系限制了因果推断。研究人员采用双向双样本孟德尔随机化（Mendelian randomization,

  来源：International Journal of Women's Health

  时间：2026-05-22

• 利用卫星微波链路进行降雨检测的多链路机器学习方法的评估

  摘要：气候变化的影响增加了对可靠实时降雨监测系统的需求。本研究探讨了利用基于卫星微波链路（SML）的机会主义传感器网络与机器学习（ML）分类器相结合的方法进行降雨检测。在整合了来自邻近链路的信息的SML数据上，训练了两种模型：随机森林（RF）和卷积神经网络（CNN）。结果表明，

  来源：IEEE Geoscience and Remote Sensing Letters

  时间：2026-05-22

• 神经肌肉型脊柱侧凸的骨科治疗：以neuroBrace系统为例的生物力学优化躯干矫形器的获益

  摘要 神经肌肉疾病根据肌张力可分为低张力和高张力两类，常导致脊柱畸形。两类疾病均呈现相似的脊柱畸形模式，典型表现为胸腰段后凸侧凸或前凸侧凸。躯干矫形器在神经肌肉型脊柱侧凸的治疗中具有重要作用，可延缓疾病进展、稳定躯干并改善呼吸功能。现有文献中常提及的波士顿支具

  来源：Prosthetics and Orthotics International

  时间：2026-05-22

• 视觉变换器的剪枝策略：一项专题综述

  摘要：视觉变换器（ViT）模型正迅速成为解决各种计算机视觉挑战的首选方案。ViT具有大量的参数，导致计算和内存需求很高，通常超过传统的卷积神经网络（CNN）。尽管压缩技术在减轻这些负担方面已被证明是有效的，但由于CNN和ViT在架构结构、特征提取机制以及输入依赖性等方面的根本差

  来源：IEEE Open Journal of the Computer Society

  时间：2026-05-22

• PruferNET：一种用于检测社交网络中具有影响力的节点的增强型图神经网络

  摘要： 在社交网络中找到关键节点（或重要人物）非常重要，因为这在许多不同领域都有广泛的应用。本文提出了一种利用基于普鲁弗序列（Prufer sequence）的结构特征和图神经网络（Graph Neural Networks, GNNs）对社交媒体节点进行分类的新方法。通过使用

  来源：IEEE Access

  时间：2026-05-22

• GRAFT：基于Grad-CAM和FFT的采样方法，用于高效反馈强化学习

  摘要：强化学习（RL）智能体在奖励稀少或延迟的稀疏奖励环境中常常面临挑战。人类参与其中的强化学习（HiL-RL）通过利用人类反馈来训练奖励模型，从而在环境奖励不足时提供额外的学习信号，缓解了这一问题。在本研究中，奖励模型被实现为一个基于标记的状态-动作对的反馈神经网络（FNN）

  来源：IEEE Access

  时间：2026-05-22

知名企业招聘：