-
基于多特征Boruta筛选与可解释机器学习的2型糖尿病并发糖尿病周围神经病变诊断模型:单中心回顾性研究
目的:糖尿病周围神经病变(DPN)是糖尿病常见且严重的并发症,给社会和个人造成显著经济负担。因此,早期识别和诊断对DPN的预防和治疗至关重要。本研究旨在基于多种不同特征开发机器学习(ML)模型,以预测2型糖尿病(T2DM)患者发生DPN的风险。方法:研究人员回
来源:Journal of Diabetes Investigation
时间:2026-11-01
-
CroSSFed:面向跨域半监督联邦学习的原型引导服务器端微调与客户端-服务器重加权机制
联邦学习(Federated Learning, FL)是一种无需数据交换即可跨多个客户端数据中心训练神经网络的方法。由于仅交换神经网络权重而非全部数据,FL不仅保障数据隐私,还降低了客户端数据中心与服务器之间的通信成本。因此,FL已被广泛应用于病理学、自动驾
来源:Neurocomputing
时间:2026-11-01
-
基于深度学习从模拟单神经元尖峰序列推断突触可塑性学习规则
突触可塑性(synaptic plasticity)是学习与适应的基础机制。精确确定突触如何被局部信号更新——即学习规则(learning rules)——是理解脑动力学的核心。尽管许多体外(in vitro)表征研究聚焦于有限的核心突触特性,但将这些候选学习
来源:Neurocomputing
时间:2026-11-01
-
智利与墨西哥老年人认知功能中的收入不连续性:基于HCAP的比较研究
**摘要**
**引言**:拉丁美洲和加勒比地区(LAC)是全球痴呆患病率最高的区域,但LAC内部的比较研究仍很稀缺。
**方法**:数据来自智利和墨西哥基于人群的衰老研究及其统一认知评估协议(HCAP)子研究中的3071名参与者。研究人员采用线性回归,在
来源:Alzheimer's & Dementia: Behavior & Socioeconomics of Aging
时间:2026-11-01
-
累积不利健康社会决定因素负担、AT(N)-V神经影像病理与非西班牙裔黑人男性认知表现:HABS-HD队列研究
引言:健康社会决定因素(social determinants of health, SDoH)负担、阿尔茨海默病(Alzheimer's disease, AD)相关神经影像标志物与非西班牙裔黑人(non-Hispanic Black, NHB)男性认知表现
来源:Alzheimer's & Dementia: Behavior & Socioeconomics of Aging
时间:2026-11-01
-
基于三维多任务图神经网络框架的Ames致突变性预测研究
药物研发过程漫长、复杂且成本高昂,因此早期可靠的毒性评估成为制药研究中的核心挑战。准确预测药物诱导的毒性和致突变性对于指导决策和降低后期失败率至关重要。深度学习方法可以预测Ames致突变性试验(一种标准筛选方法)的结果;然而,现有大多数模型依赖分子描述符,这些
来源:Advanced Intelligent Discovery
时间:2026-11-01
-
卒中后时间对脑卒中后抑郁与焦虑干预结局的影响:一项系统评价
摘要专业翻译
本系统评价旨在综合随机对照试验(RCTs)的证据,探讨卒中后时间对脑卒中后情绪干预结局的影响。研究人员检索了四个数据库,检索时间自建库至2025年11月。纳入标准为:针对成年卒中幸存者抑郁或焦虑管理开展心理干预、并设有主动或被动对照组的随机对照试
来源:Neuropsychological Rehabilitation
时间:2026-11-01
-
基于人工神经网络(ANN)的CO<sub>2</sub>加氢制甲醇催化性能预测与优化模型
本研究开发了一种人工神经网络(ANN)模型,用于预测和优化CO<sub>2</sub>加氢制甲醇过程中的催化性能。研究采用从60篇科学文献中提取的包含1,045个实验数据点的综合数据集对神经网络进行训练和测试,该数据集涵盖广泛的催化剂组成和反应条件。一个三层前
来源:Catalysis Today
时间:2026-11-01
-
基于物理仿真合成训练的雷达成像自动目标检测
具有代表性的标记雷达数据在目标与场景变化范围内难以获取,而此类变化是自动检测所需要的。基于物理的仿真提供了一种替代方案,但其价值取决于在仿真响应上训练的检测器能否泛化到训练目标之外。本工作利用针对D波段多输入多输出(MIMO)雷达的采集感知电磁仿真来考察这一问
-
基于可穿戴表面肌电传感器的神经肌肉电刺激联合负重深蹲后网球正手击球期间肌间时频相干性评估
目的:本研究采用同步可穿戴表面肌电传感器与高速视频,比较三种赛前激活条件下网球正手抽球与正手削球期间肌间时频相干性(TFC)的干预后差异。方法:30名网球运动员被随机分配至负重深蹲组(A组)、低强度电刺激联合负重深蹲组(B组)或神经肌肉电刺激(NMES)联合负