• 汉语非声调语言背景学习者的选择性元音-声调整合：来自MMN加性效应的证据

  母语为汉语的听者在前注意阶段将辅音、元音和声调进行整合；非声调语系的二语学习者独立处理CV和CT，但有选择性地整合VT；二语元音-声调整合由音节核内的声学邻近性驱动；通过MMN加和性的神经证据修正维度迁移假设。 **引言** 音节感知需要大脑持续处理传入的声学信号，并实时

  来源：Brain Research

  时间：2026-09-28

• 罗格列酮通过下调KLF4抑制NLRP3/caspase-1介导的小胶质细胞焦亡从而减轻白质损伤

  摘要白质损伤（WMI）是多种神经系统疾病的关键病理特征。小胶质细胞焦亡是一种由NLRP3/caspase-1炎症小体介导的炎性细胞死亡形式，会加剧神经炎症并促进WMI的进展。本研究探讨了罗格列酮（ROSI），一种过氧化物酶体增殖物激活受体γ（PPAR-γ）激动剂，通过靶向小胶

  来源：Experimental Brain Research

  时间：2026-09-28

• BGNAS：带有后门的图神经架构搜索

  •将后门植入图神经网络架构中。•使用GraphNAS设计带有触发生成器的后门。•代码托管在https://anonymous.4open.science/r/Bgns-Main-7C38。 引言 图神经网络（GNNs）在分析图数据（如社交网络和知识图谱）方面取得了显著的成功（J

  来源：Neural Networks

  时间：2026-09-28

• 多感官干预的影响：基于脑电图的频谱分析

  •客观脑电图指标评估多感官房间引起的脑活动变化。•对照组和脑性瘫痪组显示出一致的阿尔法波和阿尔法/贝塔波放松反应。•创伤性脑损伤组的异质性导致未观察到显著变化。•研究结果强调了多感官房间的疗效以及制定个性化方案的需求。引言多感官房间（又称Snoezelen室）是一个配备各种感

  来源：Journal of Neuroscience Methods

  时间：2026-09-28

• 分析穿刺过程中尺神经的物理特性——使用区域阻滞针。测量站方案及初步试验结果

  •关于针-神经穿刺力的定量数据十分匮乏，通常仅来自单点测量，然而此类数据对于提高局部麻醉技术的安全性和有效性至关重要。由于这一有限的证据基础，需要对神经穿刺力学进行详细的、逐段的研究。•利用专门定制的高分辨率测试台，我们沿着人体尸体尺神经每隔5毫米测绘了插入力学特性，发现远端

  来源：Journal of Neuroscience Methods

  时间：2026-09-28

• 大鼠神经病理性疼痛模型中胶原载体共输送骨髓来源细胞外囊泡组分和单个核细胞的神经周围给药：一项探索性概念验证研究

  •通过胶原蛋白水凝胶增强骨髓来源外泌体（EVs）与骨髓单个核细胞（BMMNCs）的联合递送。•3% I型胶原蛋白支架确保在神经损伤部位的局部滞留。•在大鼠CCI模型中统计验证了机械性痛觉超敏的恢复。•探索性分析显示胶质纤维酸性蛋白（GFAP）和肿瘤坏死因子-α（TNF-α）标

  来源：Journal of Neuroscience Methods

  时间：2026-09-28

• 堆叠脑电频谱图与注意力增强型CNN-LSTM用于跨被试情感识别

  •堆叠的脑电（EEG）频谱图在输入层面整合了多通道结构。 •注意力增强型 CNN-LSTM 实现了 82.34% 的独立于受试者的准确率。 •早期通道整合始终优于单通道方法。 •该框架在公开 SEED-IV 基准上进行了验证，准确率达到 84.51%。 •使用消费级 14 通

  来源：Journal of Neuroscience Methods

  时间：2026-09-28

• 朝着术中胶质瘤定位的目标：探究肿瘤浸润深度与皮层电图信号之间的关系

  ``` • ECoG信号功率与胶质瘤侵袭深度呈负相关。 • β波段（13-30 Hz）是评估肿

  来源：Journal of Neuroscience Methods

  时间：2026-09-28

• TopoAdapter：一种用于 MI-EEG 解码的即插即用多跳拓扑适配器

  - TopoAdapter通过累积跳数残差编码固定的电极拓扑结构。 - 形状保持的适配器无需对EEG骨干网络进行修改。 - 在两个运动想象数据集和一个实际运动数据集上均出现正向平均增益。 - BCI IV-2a的七个骨干网络在增加70个参数的情况下平均性能均得到提升。 - T

  来源：Journal of Neuroscience Methods

  时间：2026-09-28

• 用于运动想象任务中基于脑电图谱的脑拓扑建模的优化高效通道注意力 ShuffleNet 框架

  •混合节点中心性方法从EEG图中提取均衡特征•基于注意力的ShuffleNet以低计算量提升特征选择•优化算法加速超参数调优收敛引言脑机接口（BCI）通过检测脑信号并将其转换为计算机可解释的指令来工作，通常使用非侵入式脑电图（EEG）技术（Wang等人, 2025a）。EEG

  来源：Journal of Neuroscience Methods

  时间：2026-09-28

知名企业招聘：