• 基于人类介入验证的高召回率辅助检测秀丽隐杆线虫产卵事件的方法

  摘要由于手动标注的成本较高，且存在遗漏事件的风险，如何通过4K视频准确量化秀丽隐杆线虫的产卵行为一直是个难题。我们提出了一种以人为本的辅助方法，该方法以“高召回率”为设计原则：在尽可能避免遗漏产卵事件（召回率接近1.0）的同时，减少操作人员的审核时间。该工作流程结合了两种互补的、

  来源：Scientific Reports

  时间：2026-07-16

• 用于控制双馈感应发电机的对齐D–Q参考帧新定向技术

  摘要双馈感应发电机的控制需要将d–q参考坐标系定位在特定位置。d轴需与电网电压矢量保持一致。通常，人们会使用锁相环方案来确定电压矢量的位置。然而，如果由于频率变化或相位角偏差导致电压矢量的旋转速度出现波动，锁相环就会产生不稳定的输出，从而影响控制性能，尤其是当锁相环的增益未能精确

  来源：Scientific Reports

  时间：2026-07-16

• 手动与自动化ACMG/AMP变异分类方法的比较评估：对临床遗传学实践的启示

  摘要ACMG/AMP变异分类指南的自动化实现越来越被用于支持临床基因组学研究，但与专家人工评估的系统性比较仍然有限。在本研究中，我们对比了多种广泛使用的自动化及人工智能辅助工具，包括Franklin、VarSome、MobiDetails、GeneBe、InterVar和VarC

  来源：Scientific Reports

  时间：2026-07-16

• 无需标记的线粒体分割技术，用于同时进行形态学与代谢研究

  摘要线粒体的结构与功能动态变化与细胞健康状况密切相关。传统的用于观察线粒体的荧光成像技术存在光毒性、光漂白以及染色伪影等限制。在本研究中，我们提出了RedoxSegNet这一基于人工智能的成像平台，它能够在无需使用染色剂的情况下对线粒体进行无标记分割，从而实现形态学与功能学的同步

  来源：Communications Biology

  时间：2026-07-16

• 基于复杂流Mamba的物理感知生成式融合技术，可实现强大的4D雷达-视觉感知功能

  摘要4D成像毫米波雷达正在重新定义自主感知的格局。然而，一个重大缺陷依然存在：传统的深度学习模型往往陷入“点云谬误”，将雷达回波视为简单的离散点，从而忽略了复杂的相位一致性。这使得系统极易受到采样中断干扰的影响，且在远距离检测稀疏目标时性能也会下降。我们提出了Complex-Fl

  来源：Scientific Reports

  时间：2026-07-16

• 探究黑海地区船舶扣押时长的决定因素：基于混合贝叶斯与关联规则挖掘的方法视角

  摘要本研究探讨了黑海谅解备忘录区域内的港口国控制下船舶扣留时长的主要决定因素，比较了疫情前后的检查结果。通过从黑海信息系统中获取的756起港口国控制扣留案例，研究采用了树增强朴素贝叶斯网络和关联规则挖掘方法，以识别概率依赖关系和频繁出现的共现模式。树增强朴素贝叶斯网络分析显示，港

  来源：Scientific Reports

  时间：2026-07-16

• 用于吉尔吉斯斯坦主要城市地区洪水易发性绘制的可解释机器学习方法

  摘要本研究针对吉尔吉斯斯坦的三个主要城市——贾拉拉巴德、奥什和托克莫克，构建了用于洪水易发性分析的机器学习模型。通过采用一种稳健且可解释的建模方法，该研究为这些易受洪水侵袭的大都市区的洪水易发性评估提供了有价值的见解。研究利用Sentinel-1卫星图像创建了详细的洪水分布数据集

  来源：Scientific Reports

  时间：2026-07-16

• 基于本体论的、利用加密技术实现5G与物联网网络能效优化的SAID框架

  摘要5G和物联网技术在智能城市中的快速部署与应用给网络安全带来了诸多挑战，尤其是在能源效率与攻击检测方面。现有的入侵检测系统往往难以在高检测精度与低能耗之间取得平衡，尤其是在资源受限的环境中。本文提出了一种基于本体的新型计算框架，用于实现5G和物联网网络中的高效安全攻击识别与检测

  来源：Scientific Reports

  时间：2026-07-16

• 一种基于生长层对压缩变形进行定性和定量评估的方法：中国西北部库车坳陷的迪北构造带

  摘要在前陆环境中，对压缩变形的研究是核心研究内容之一。通过将深度差异测绘与基于地层结构得出的生长速率量化相结合的方法，可以有效地定性区分不同的变形阶段，并定量评估变形强度。将该方法应用于库车坳陷北部的迪贝构造带后发现，晚新生代的压缩变形始于吉迪克组上部沉积之时，且存在明显的东西向

  来源：Scientific Reports

  时间：2026-07-16

• 基于气候与社会经济指标的多国能源预测与可持续性分析中的可解释深度学习方法

  摘要气候变化与社会经济因素使得在当今的能源系统中，预测能源需求及评估可持续性成为重要问题。本研究提出了一种基于深度学习与可解释人工智能技术的多国能源预测与可持续性评估综合框架。研究使用了2020年至2024年的多国数据集，其中包含气候、社会经济、环境以及能源系统相关变量。研究者比

  来源：Scientific Reports

  时间：2026-07-16

知名企业招聘：