-
氮化镓器件中低能质子辐射位移损伤的表征与恢复
**摘要:**
本研究系统地调查了低能质子辐照(70 和 100 keV)对 AlGaN/氮化镓(GaN)高电子迁移率晶体管(HEMTs)性能和可靠性的影响。采用低频 1/f 噪声分析来定量评估辐射诱导的缺陷密度。温度依赖的低频噪声测量揭示了在 345–350 K 处的一个
来源:IEEE Transactions on Neural Systems and Rehabilitation Engineering
时间:2026-09-18
-
面向超级τ-charm装置高占用率与复杂环境的一种新颖分段式HLT追踪算法
摘要:超级 tau-charm 装置(STCF)是一种下一代正负电子对撞机,设计在质心能量2-7 GeV下运行,在4 GeV时的亮度为0.5×10^35 cm^-2 s^-1。其高亮度环境对主漂移室(MDC)中的高级触发(HLT)跟踪构成了挑战:需要在探测器占用率升高的情况下
来源:IEEE Transactions on Neural Systems and Rehabilitation Engineering
时间:2026-09-18
-
青少年重症肌无力的临床结局和治疗疗效:来自单中心的回顾性分析
摘要
引言/目的
在儿童重症肌无力(JMG)中,早期
来源:Muscle & Nerve
时间:2026-09-18
-
综述:从系统到细胞:阿尔茨海默病与肌萎缩侧索硬化症风险差异的潜在代谢机制
•肥胖和糖尿病会升高AD(阿尔茨海默病)风险,但可能降低ALS(肌萎缩侧索硬化)风险。•神经元对脂质脆弱;肌肉对脂肪酸有更好的耐受性。•乳酸穿梭和氧化还原平衡在AD和ALS中存在显著差异。•细胞特异性代谢可能解释了相反的的疾病风险模式。引言大量证据表明神经退行性变与代谢变化之
来源:Neuroscience & Biobehavioral Reviews
时间:2026-09-18
-
综述:迈向发展科学中基于生物学基础的自主神经功能理解
•发展理论与数据依赖于一个百年前建立的自主神经系统模型•自主神经系统的整合性通常被认为比实际更强•呼吸性窦性心律不齐(RSA)和觉醒代表了许多生物过程•对 316 篇发展类论文的调查显示,RSA 的测量描述非常稀疏•我们呼吁采用多模态、数据驱动的方法来测量自主神经活动引言近
来源:Neuroscience & Biobehavioral Reviews
时间:2026-09-18
-
Catenulobactin B作为神经保护剂的全合成与生物评价
•已完成链菌素 B 的首次全合成。•链菌素 B 显著抑制α-突触核蛋白聚集。•链菌素 B 减轻了秀丽隐杆线虫中 6-OHDA 诱导的多巴胺能神经变性进程。•链菌素 B 的神经保护机制是通过协调调控秀丽隐杆线虫中与铁摄取、外排和储存相关的基因介导的。引言神经退行性疾病,如阿尔茨
来源:Bioorganic Chemistry
时间:2026-09-18
-
全面日常生活方式行为及其与医疗工作者心率变异性之间的关联
摘要目的医护人员面临慢性职业压力,这可能损害自主神经调节功能。我们调查了从事常规工作任务的医护人员日常综合生活方式行为与心率变异性(HRV)之间的关联。方法本研究纳入了在某医疗诊所工作的成年人,排除了夜班工作者。使用可穿戴腕带式设备连续八晚记录用于指示自主神经活动的低频与高频
来源:Sleep and Biological Rhythms
时间:2026-09-18
-
基于共享滤波器与语义引导的轻量化实时无人机检测
•RTODNet将无人机检测重新定义为精度-效率协同设计问题。•LFEM通过紧凑滤波器复用提升了表征经济性。•LSGFFM通过轻量级状态空间模型融合捕获长程上下文信息。•RTODNet在精度、延迟、浮点运算量、参数量和能耗之间取得了平衡。引言无人机遥感提供了具有快速部署能力的
来源:Neurocomputing
时间:2026-09-18
-
Fed-ASTGCN:一种用于联邦时空交通预测的组件特定聚合策略
•联邦ASTGCN,结合门控膨胀卷积、自适应图学习和MLP预测头。•组件级聚合,对空间参数采用softmax温度加权。•在高度非独立同分布(Non-IID)偏差条件下,在PEMS04、PEMS07、PEMS08上取得最优联邦平均绝对误差(MAE)。•在中等偏差条件下,组件级聚
来源:Neurocomputing
时间:2026-09-18
-
面向图像融合的多退化多任务一体化框架
摘要现有的多模态图像融合方法通常假设理想的成像条件,无法有效地处理现实世界中的退化问题。此外,大多数融合方法往往仅关注单一融合场景下的特定退化类型,忽略了不同任务或退化条件下共享的信息和内在联系。为了解决这些局限性,我们提出了一种集成多种融合任务和退化条件的统一图像融合方法,
来源:Neurocomputing
时间:2026-09-18