• 基于區域聚焦CNN與動態自適應圖注意力網絡的立體視覺誘發腦電識別研究

  立體視覺是人類感知三維空間深度的關鍵能力，但傳統臨床診斷依賴主觀反饋，存在個體差異大、精度不足的缺陷。隨著腦科學進展，研究者發現立體視覺處理會引發特定腦區（如額葉與枕葉）的神經電活動變化，這為客觀診斷提供了新思路。然而，腦電圖(EEG)信號具有非線性、高噪聲的特點，且不同腦區協同機制復雜，現有方法如靜態圖卷積網絡(GCN)難以捕捉動態功能連接，而常規卷積神經網絡(CNN)受限于局部感受野，無法有效建模全局腦區交互。針對這些挑戰，南京大學鼓樓醫院團隊在《Expert Systems with Applications》發表研究，提出區域聚焦CNN結合動態自適應圖注意力網絡(RFCN-DAGAT)

  來源：Expert Systems with Applications

  時間：2025-05-19

• 基于隱式幾何描述符的人工神經網絡框架實現架構化納米纖維材料統一結構-性能關系研究

  在追求輕量化與高性能材料的今天，垂直排列碳納米管（VACNT）泡沫因其獨特的層級結構和卓越的力學性能成為研究熱點。這類材料通過納米尺度尺寸效應和納米管間相互作用的協同，展現出驚人的能量吸收能力、模量和強度。然而，這些納米機制如何通過宏觀架構影響不同力學性能仍不清晰，且現有設計方法依賴架構特異性顯式參數（如圓柱陣列的內徑Din、壁厚t），阻礙了跨架構統一設計原則的建立。為解決這一難題，來自美國威斯康星大學的研究團隊在《Extreme Mechanics Letters》發表研究，提出了一種基于隱式幾何描述符的人工神經網絡（ANN）框架。他們創新性地引入兩種多組分形狀不變量（MCSI）——反映架構

  來源：Extreme Mechanics Letters

  時間：2025-05-19

• 綜述：自動駕駛場景理解任務的深度學習方法綜述

  自動駕駛場景理解的深度學習技術進展一、自動駕駛與場景理解的核心價值自動駕駛系統依賴多傳感器處理環境信息，其中場景理解是核心任務，需從視覺數據中提取物體形狀、尺寸、紋理等特征以支撐決策。卷積神經網絡（CNN）等深度學習（DL）方法推動了目標檢測、語義分割等視覺任務的發展，使車輛能實時感知動態環境。二、場景理解的四大核心視覺任務目標檢測（Object Detection）通過邊界框定位道路場景中的車輛、行人等實體，分為單階段（如 YOLO）、兩階段（如 Faster R - CNN）和弱監督方法。單階段算法實時性強但精度稍低，兩階段算法精度高但計算成本高，弱監督方法依賴少量標注數據學習。語義分割（

  來源：Expert Systems with Applications

  時間：2025-05-19

• CLN：用于胸部 X 線圖像定位與分類的多任務深度神經網絡

  在醫學影像領域，胸部 X 線（CXR）作為常用且經濟的檢查手段，廣泛用于多種疾病的檢測。然而，其準確解讀需要專業放射科醫生，過程耗時且易受主觀因素影響，存在漏診或誤診風險。同時，盡管深度學習方法在 CXR 圖像分類中表現出色，但 “黑箱” 特性導致醫生難以信任其決策，可解釋性不足成為臨床應用的主要障礙。如何提升模型的可解釋性，讓醫生直觀看到病變位置，成為推動 AI 在醫學影像中落地的關鍵問題。此外，現有一些方法計算復雜度高，在資源有限的臨床環境中推廣困難。為解決上述問題，國外研究機構的研究人員開展了胸部 X 線圖像定位與分類的研究。他們提出了胸部 X 線定位網絡（CLN），這是一種多任務深度神

  來源：Expert Systems with Applications

  時間：2025-05-19

• TIPS：一種基于文本交互比例評分的深度學習模型解釋性評估新指標

  在人工智能技術快速發展的今天，深度神經網絡(DNN)已成為自然語言處理(NLP)任務的核心工具。然而這些"黑箱"模型內部復雜的運算機制，使得人們難以理解其決策邏輯——當BERT或LSTM模型判定一段影評具有負面情緒時，究竟是哪些關鍵詞組合觸發了這個判斷？現有解釋方法主要通過分析詞語交互(interaction)來揭示模型行為，但評估環節卻存在兩大痛點：一是絕對化的交互貢獻評估會因文本自身交互強度差異導致誤判，二是傳統shuffling方法會破壞非目標區域的交互關系。這些問題嚴重制約著可解釋性研究的可靠性。針對這一研究瓶頸，國內研究團隊在《Expert Systems with Applicat

  來源：Expert Systems with Applications

  時間：2025-05-19

• 基于脈沖卷積膠囊網絡的腦電情緒識別：生物合理性優化與批量歸一化創新

  情緒是人類心理活動的核心組成部分，直接影響健康狀態與決策行為。然而，傳統基于人工神經網絡(ANN)的腦電(EEG)情緒識別模型存在高能耗、低生物合理性等問題，而脈沖神經網絡(SNN)雖具能效優勢，卻因特征提取能力不足難以匹敵ANN性能。這一矛盾促使研究者探索新型計算框架。為解決這一挑戰，上海交通大學的研究團隊在《Expert Systems with Applications》發表研究，首次將膠囊網絡(CapsNet)引入SNN體系，構建脈沖卷積膠囊網絡(SCCapsNet)。該模型通過三階段創新：1）改進STDP路由算法以捕捉EEG時序特征；2）設計tau-BN層緩解L2范數導致的神經元死亡

  來源：Expert Systems with Applications

  時間：2025-05-19

• HyperSegmenter：基于大核卷積的高效語義分割架構創新與性能突破

  語義分割作為計算機視覺的核心任務，其目標是為圖像中的每個像素賦予語義標簽，在自動駕駛、醫療影像等領域具有重要應用。盡管Vision Transformer(ViT)通過自注意力機制實現了長程建模，但其將二維圖像展平為一維序列的處理方式破壞了空間層次結構，且二次計算復雜度限制了在高分辨率圖像中的應用。同時，現有大核卷積方法(如31×31感受野)存在參數爆炸和空間不敏感等問題，導致邊緣語義關聯性下降。這些挑戰促使研究人員重新審視CNN架構的潛力。為解決上述問題，研究人員開展了一項創新性研究，提出HyperSegmenter架構。該研究通過三個關鍵創新：在編碼器采用多分支正交分解卷積(如21×5+5

  來源：Expert Systems with Applications

  時間：2025-05-19

• 基于人工神經網絡的無刷雙饋感應發電機（BDFIG）風力發電機優化控制研究

  在全球能源需求激增與環境問題凸顯的背景下，風能作為可持續發電的戰略選擇備受關注，配備雙饋感應發電機（DFIG）的風力 turbines 更是清潔能源轉型的核心力量。然而，現有研究面臨兩大瓶頸：一是多數采用淺層神經網絡架構（如 2-3-7-5-1 結構），缺乏對學習過程和內部參數優化的深入探索，難以精準捕捉無刷雙饋感應發電機（BDFIG）復雜動態特性；二是傳統控制策略（如模糊邏輯、PI 控制）對風速波動和參數變化敏感，且缺乏充分實驗驗證，導致風電系統能效與穩定性提升受限。為突破上述困境，國外研究人員圍繞 BDFIG 風力發電機控制展開研究，相關成果發表于《Engineering Applicat

  來源：Engineering Applications of Artificial Intelligence

  時間：2025-05-19

• 基于偽排練的表格數據分類方法：克服災難性遺忘的增量終身學習框架TRIL3

  在人工智能領域，持續學習(Continual Learning, CL)系統面臨著一個根本性挑戰：當模型不斷學習新知識時，往往會迅速遺忘先前掌握的信息，這種現象被稱為"災難性遺忘"(Catastrophic Forgetting)。這一問題在醫療診斷、工業制造等動態數據場景中尤為突出，因為這些領域的模型需要持續適應新出現的疾病變體或設備配置，同時保持對已有知識的準確判斷。盡管現有研究提出了動態架構、正則化等技術，但多數方案僅適用于圖像數據，且依賴任務邊界定義，難以應對現實世界中無明確任務劃分的表格數據流。針對這一空白，研究人員開發了TRIL3框架——首個專門針對表格數據的偽排練增量終身學習方法

  來源：Engineering Applications of Artificial Intelligence

  時間：2025-05-19

• 基于極限學習機和干擾觀測器的船舶動力定位智能自適應控制研究

  船舶在浩瀚海洋中航行時，如同漂浮的精密儀器，時刻面臨著復雜環境的挑戰。海浪的起伏、海風的吹拂以及船舶自身結構的復雜性，都會對其動力定位（Dynamic Positioning, DP）精度產生顯著影響。動力定位技術作為船舶在特定海域保持位置和航向的關鍵手段，在深?？碧?、海上作業等領域至關重要。然而，傳統控制方法在面對船舶模型中未知的非線性因素以及波浪等外部干擾時，往往難以實現精準控制，容易出現軌跡偏離、船體震蕩等問題，不僅影響作業效率，還可能對船上精密設備造成損害。因此，如何提升船舶動力定位系統在多干擾環境下的穩定性和抗干擾能力，成為船舶工程領域亟待解決的難題。為了攻克這一技術瓶頸，國內研究團

  來源：Engineering Applications of Artificial Intelligence

  時間：2025-05-19

• 基于決策樹引導人工神經網絡預訓練方法的高性能混凝土抗壓強度預測

  混凝土作為建筑領域的核心材料，其性能預測一直是工程界的重要課題。高性能混凝土（HPC）憑借優異特性在重大工程中廣泛應用，但其抗壓強度受骨料、水泥、添加劑等多因素影響，呈現復雜非線性關系。傳統測試需等待 28 天養護期，耗時長、成本高，而深度學習模型雖能捕捉非線性規律，卻面臨 “數據饑餓” 難題 —— 構建大規模高質量混凝土配合比數據集成本高昂，限制了模型在小數據集場景的應用。如何在數據有限的情況下提升預測精度，成為亟待突破的技術瓶頸。為攻克這一挑戰，國內研究團隊開展了相關研究，成果發表在《Engineering Applications of Artificial Intelligence》。

  來源：Engineering Applications of Artificial Intelligence

  時間：2025-05-19

• 基于因果矩陣嵌入圖神經網絡的比特幣價格預測新方法

  在數字金融浪潮中，比特幣作為去中心化加密貨幣，其價格波動猶如 “金融海洋中的風暴”，吸引著投資者目光的同時也帶來巨大挑戰。高波動性背后，是宏觀經濟指標、市場情緒、監管政策等多變量的復雜共舞，傳統預測模型如循環神經網絡（RNN）、卷積神經網絡（CNN）等，往往局限于捕捉數據間的相關性，卻難以穿透迷霧識別驅動價格波動的內在因果關系。在市場劇烈震蕩時，這些模型常因無法把握穩定的因果邏輯而預測失靈，導致投資者在風險管控和資產配置中舉步維艱。如何在這片 “混沌” 中找到價格波動的 “指南針”，成為金融領域亟待破解的難題。為攻克這一挑戰，東南大學的研究人員展開了一項突破性研究。他們創新性地將因果矩陣（C&

  來源：Engineering Applications of Artificial Intelligence

  時間：2025-05-19

• 極早產兒無嚴重腦室出血或腦室周圍白質軟化時的神經發育障礙患病率及風險因素分析

  在新生兒重癥監護技術飛速發展的今天，極早產兒（22-29周）的存活率已顯著提高，但隨之而來的神經發育障礙(NDI)問題卻像懸在醫患頭上的達摩克利斯之劍。尤其令人困惑的是，即便排除了嚴重腦室內出血(IVH)和腦室周圍白質軟化(PVL)這兩種典型腦損傷，仍有相當比例的早產兒在3歲時出現嚴重NDI——包括發育商(DQ)<70、重度腦癱或嚴重感覺缺陷。這種"隱形殺手"的作案機制究竟為何？日本埼玉醫科大學的研究團隊通過一項跨越15年（2005-2020）的大規?；仡櫺匝芯?，揭開了這個臨床謎團的關鍵線索。研究團隊采用單中心回顧性隊列設計，從埼玉醫科大學附屬醫院篩選666例符合標準的極早產兒。通過標準

  來源：Early Human Development

  時間：2025-05-19

• 綜述：人格在親密關系中的作用

  理想伴侶的人格特質當提及理想伴侶時，全球受訪者均認為人格至關重要?？缥幕芯匡@示，理想伴侶的高排名特質中，人格占五項，可靠性僅次于相互吸引 / 愛，情緒穩定性和愉悅性格分列第三、第四，社交性第七，野心 / 勤奮第十一。這表明人格比外貌、宗教相似性和經濟前景更受重視。男女均渴望伴侶善良、值得信賴，誠實 - 謙遜（Honesty-Humility）在長短期關系中均重要，尤其長期關系。但研究發現，受訪者對理想伴侶特質的排序可能僅針對自身，即更關注伴侶與自己互動時的真誠公平，而非普遍意義上的品質。實驗顯示，人們更看重伴侶對自己及親密者的善良可信，對外人則要求較低?？傮w而言，男女都希望伴侶可靠、不欺騙利

  來源：Current Opinion in Psychology

  時間：2025-05-19

• 文本信息情感傳遞的精準解碼：日常短信與郵件中情緒效價的發送者-接收者一致性研究

  在數字通信時代，一個長期存在的迷思是：文字信息是否如同"情感電報機"，總是丟失關鍵的情緒信號？媒體貧乏理論(Media Richness Theory)和早期研究認為，缺失面部表情、語調等非語言線索的文本溝通(Text-based communication)必然導致情緒誤讀，特別是負面誤解。這種觀點被大眾媒體廣泛傳播，甚至催生出"郵件憤怒癥"(email rage)等流行概念。然而荷蘭研究團隊在《Computers in Human Behavior Reports》發表的最新研究，通過嚴謹的實證數據顛覆了這一認知。研究團隊設計了兩項創新性研究：Study 1聚焦347對真實短信交流(含17

  來源：Computers in Human Behavior Reports

  時間：2025-05-19

• AI 語音設備用于老年人群神經心理評估的初步研究：技術可行性與老齡化健康管理新路徑

  在全球老齡化浪潮席卷的當下，“銀發浪潮” 對醫療系統的沖擊日益顯著。據世界衛生組織數據，到 2030 年全球每 6 人中就有 1 人 aged 60 歲及以上，北美地區比例更高。然而，現有的 AI 技術大多面向年輕群體設計，忽視了老年人視覺、聽覺、觸覺等感官能力下降及認知功能變化的特點，甚至存在 “年齡偏見”—— 語音識別系統因訓練數據多來自年輕人，對老年人較慢的語速、較弱的音高和較差的語音清晰度識別率較低。這導致 AI 在老年健康領域的應用嚴重滯后，既無法滿足老年人居家健康監測需求，也難以緩解醫療資源緊張的壓力。如何讓 AI 技術真正 “適老化”，成為破解老齡化社會醫療困境的關鍵命題。為填補

  來源：Acta Psychologica

  時間：2025-05-19

• 兒童顱內海綿狀血管畸形的磁共振引導激光間質熱療（MRgLITT）：病例系列研究及文獻回顧

  磁共振引導激光間質熱療（MRgLITT）用于兒童顱內海綿狀血管畸形（CMs）的治療：病例系列及文獻回顧目的顯微手術切除是治療顱內海綿狀血管畸形（CMs）的標準方法，但微創治療手段（尤其是針對深部病變和兒童患者）正日益受到關注。磁共振引導激光間質熱療（MRgLITT）已成為開放性手術的潛在替代方案。本研究旨在評估 MRgLITT 治療兒童海綿狀血管瘤的安全性和有效性，并對現有文獻進行回顧。方法通過在 MEDLINE（PubMed）、Scopus、Embase 和 Cochrane 數據庫中使用與 “LITT” 和 “cavernomas” 相關的術語進行系統檢索，篩選出報道兒童患者 MRgLIT

  來源：Child's Nervous System

  時間：2025-05-19

• 兒童蛛網膜囊腫壓迫 Percheron 動脈致急性缺血性卒中的獨特病例研究

  缺血性卒中在兒童顱內占位性病變中較為罕見，其發生多與鞍內腫瘤相關，尤其是垂體腺瘤，而顱咽管瘤相關者較少。血管事件與蛛網膜囊腫相關的報道極為罕見，目前僅有 3 例報告。本文介紹了一例獨特的兒童腦室內蛛網膜囊腫病例，該囊腫同時向腦室內（右側三角區）和腦池內（四疊體板）擴展，并表現為急性缺血性卒中，其原因為 Percheron 動脈受壓。Percheron 動脈是一種解剖變異，指單一優勢丘腦穿通動脈供應雙側中腦上部和丘腦旁正中區不同部分?；颊弑憩F為復視、左側面神經麻痹、共濟失調和上視麻痹。經緊急內鏡開窗術和抗血小板藥物治療后，患者臨床癥狀完全恢復。

  來源：Child's Nervous System

  時間：2025-05-19

• 脊柱裂患者骨科表現與脊髓拴系松解術的關聯：生存分析

  脊髓拴系綜合征（TCS）如同潛伏在脊柱裂（SB）患者體內的 “隱形殺手”，悄悄侵蝕著患者的神經功能。脊柱裂作為最常見的先天性中樞神經系統畸形之一，全球發病率約為 1.0-10.0/1000 births，其中最嚴重的類型脊髓脊膜膨出（MMC）患者，因脊髓發育異常，一生中有 10%-32% 需接受脊髓拴系松解術（TCR）。然而，TCS 的診斷猶如霧里看花 —— 對脊柱裂患者而言，影像學顯示脊髓拴系幾乎是常態，臨床癥狀又常與原發神經缺陷重疊，導致醫生難以及時精準判斷何時需要手術。骨科表現更是讓這一難題雪上加霜。下肢痙攣、關節攣縮、高弓足等癥狀，既是 TCS 的常見信號，也可能是脊柱裂本身的肌肉骨骼

  來源：Child's Nervous System

  時間：2025-05-19

• 基于引導型導電絲策略構建高耐久性三氧化鎢基阻變器件

  數據存儲與人工智能的蓬勃發展，對非易失性存儲器和神經形態計算技術提出了更高要求。阻變器件作為潛在候選，雖在保持性和開關比上有優勢，但絲型憶阻器普遍面臨耐久性不足（如閃存基準為 10?-10?次循環）和器件間一致性差的挑戰。隨機形成的導電絲會導致高形成電壓、循環波動大等問題，制約了大規模集成應用。三氧化鎢（WO?）因與互補金屬氧化物半導體（CMOS）兼容、成本低等特性備受關注，但其內部絲形成的隨機性仍導致性能不穩定。為突破這些瓶頸，研究人員開展了基于 WO?基阻變器件的耐久性提升研究。通過構建 WO?與氧化鈰（Ce?O?）的納米復合薄膜，利用兩者的協同效應引導導電絲的有序形成，相關成果發表在《S

  來源：SCIENCE ADVANCES

  時間：2025-05-18

知名企業招聘：