• 瑜伽訓練后大腦拓撲變化中功能狀態間的相互連接和全局轉換編碼與活動相關的動力學

  在快節奏的現代生活中，人們對可持續健康實踐的關注與日俱增，瑜伽作為一種兼具身體鍛煉與心理調節的傳統方式，其背后的神經科學機制卻一直未被完全揭開。當前，盡管已有研究表明運動對大腦功能有積極影響，如改善工作記憶和注意力、促進腦可塑性等，但針對瑜伽如何動態調節腦網絡活動，尤其是基于腦電微狀態（microstates）的精細時空分析仍處于空白。微狀態作為大腦功能網絡動態整合的瞬時穩定狀態，其參數變化能敏感反映認知與心理狀態的改變，因此，解析瑜伽訓練前后腦微狀態的重構模式，對于理解其改善認知功能的神經基礎至關重要。為填補這一研究空白，印度 Amrita Vishwa Vidyapeetham 大學的研究

  來源：Scientific Reports

  時間：2025-05-16

• Toll樣受體4（TLR4）缺失對慢性青光眼小鼠模型病程無顯著影響：代謝與神經炎癥調控的新視角

  論文解讀青光眼是全球不可逆性失明的主要原因之一，其發病機制復雜，涉及眼壓（IOP）升高、遺傳因素及年齡等多重風險因素。近年來，神經炎癥和代謝紊亂被證實與青光眼的神經退行性變密切相關。Toll樣受體4（TLR4）作為一種模式識別受體，能夠通過識別病原體相關分子模式（PAMPs）和損傷相關分子模式（DAMPs）激活炎癥反應，并在代謝調控和線粒體功能中發揮重要作用。盡管急性青光眼模型中TLR4的激活與視網膜損傷相關，但其在慢性青光眼中的作用尚不明確。因此，哥倫比亞大學的研究團隊利用遺傳性青光眼模型DBA/2J小鼠，探究了TLR4缺失對慢性青光眼病程的影響，相關成果發表于《Scientific Rep

  來源：Scientific Reports

  時間：2025-05-16

• CD33 rs3865444多態性通過葡萄糖-氧代謝耦合系數調控阿爾茨海默病認知軌跡的影像學生物標志物研究

  在神經退行性疾病研究領域，阿爾茨海默病(AD)猶如一個難解的謎題，其典型特征是神經元功能損傷導致的認知能力持續下降。目前全球約有5000萬AD患者，預計到2050年這一數字將增長三倍。盡管科學家們已發現淀粉樣蛋白β(Aβ)沉積和tau蛋白異常磷酸化等病理特征，但更早期的生物標志物和干預靶點仍亟待發掘。近年研究發現，小膠質細胞異常激活引發的神經炎癥在AD進程中扮演關鍵角色，其中CD33基因作為重要的免疫調節受體，其rs3865444多態性與AD風險密切相關。然而，這一基因變異如何影響大腦代謝和認知功能衰退速率，仍是未解之謎。杭州電子科技大學智能感知與健康分析重點實驗室聯合北京醫院的研究團隊在《S

  來源：Scientific Reports

  時間：2025-05-16

• AI 合成熟悉語音對腦神經反應影響的 fNIRS 實驗研究

  在人工智能技術飛速發展的當下，語音合成技術日臻成熟，AI 語音與人類語音的差異逐漸縮小。然而，盡管個性化語音合成技術（如 Few-Shot Text-to-Speech，FSTS）已能通過少量樣本模仿特定人聲，但 AI 合成語音，尤其是熟悉語音（如親人聲音）如何影響人類情感及大腦神經反應，仍缺乏直接的神經科學證據。過往研究雖聚焦于語音識別的腦機制，發現顳葉和前額葉在區分熟悉與陌生聲音中起關鍵作用，但 AI 合成的熟悉語音能否觸發類似的神經活動，尚未有明確結論。為填補這一研究空白，紹興文理學院的研究人員開展了相關實驗，其成果發表在《Scientific Reports》。研究團隊采用功能近紅外光

  來源：Scientific Reports

  時間：2025-05-16

• 身體知識如何塑造運動感知：基于視覺啟動與生物力學約束的認知機制研究

  論文解讀人類如何感知他人的動作？這一能力不僅是社交互動的基石，更與神經科學中關于"身體知識（body knowledge）如何影響認知"的核心爭議密切相關。已有研究表明，我們的大腦會優先感知符合生物力學約束（biomechanical constraints）的動作軌跡——例如，當看到兩張快速切換的手臂姿勢照片時，人們會自動腦補出符合關節活動范圍的中間動作。但一個關鍵問題懸而未決：這種"身體知識"的約束力究竟有多強？它是否比日常物體（如鐘表指針）的運動知識更具支配性？來自意大利都靈大學、美國斯坦福大學等機構的研究團隊通過兩項精巧的實驗給出了答案。研究首次證實：身體知識對運動感知的影響具有特殊穩

  來源：Scientific Reports

  時間：2025-05-16

• 等長收縮訓練中不同收縮分布對反跳性能影響的研究：基于力量訓練人群的急性效應分析

  在運動訓練領域，如何通過科學的力量訓練手段提升運動員的神經肌肉性能一直是研究熱點。等長收縮訓練作為一種常用的力量訓練方式，其不同的收縮分布是否會對后續的反跳性能產生影響，目前尚未有明確結論。已有的研究雖然探討了等長收縮時長與神經肌肉適應的關系，但對于相同總時長下不同收縮次數的分布模式對急性力量表現和反跳能力的影響，仍存在研究空白。例如，短時間多次數的收縮與長時間單次收縮是否會在力產生特性和后續運動表現中呈現差異，這一問題亟待解答。為了填補這一研究空白，波蘭卡托維茲耶日?庫庫奇卡體育大學（Institute of Sport Sciences, The Jerzy Kukuczka Academ

  來源：Scientific Reports

  時間：2025-05-16

• 基于超大核卷積網絡RepLKNet的農業病害識別方法研究

  農業病害智能診斷的瓶頸與突破植物病害每年造成全球作物減產高達40%，傳統人工診斷效率低下且依賴專家經驗。盡管深度學習技術已在農業領域廣泛應用，主流卷積神經網絡(CNN)如ResNet、VGG等普遍采用3×3或5×5小卷積核，需要通過堆疊數十層網絡來擴大感受野。這種設計存在固有缺陷：深層網絡易出現梯度消失，且逐層傳遞過程中可能丟失關鍵空間信息，對于葉片上分散的銹斑、不規則霉變等復雜癥狀識別效果有限。云南農業大學的研究團隊在《Scientific Reports》發表的研究中，創新性地將超大核卷積網絡RepLKNet引入農業病害識別領域。該網絡采用31×31超大卷積核，單層即可覆蓋葉片大部分區域，

  來源：Scientific Reports

  時間：2025-05-16

• SpectroFusionNet：利用 spectrogram 融合的 CNN 方法實現電吉他彈奏識別 —— 一項關于自動化音樂分析的創新研究

  音樂作為人類文化的重要基石，其數字化分析與自動化識別一直是領域內的研究熱點。電吉他以其獨特的音色和豐富的彈奏技巧，在搖滾、爵士等音樂類型中占據核心地位。然而，傳統的吉他演奏技巧識別依賴人工聽辨和手動標注，不僅耗時耗力，且難以捕捉如滑音（Slide）、擊弦（Hammer-on）、勾弦（Pull-off）等細微技巧的頻譜特征差異。隨著音樂教育、智能譜曲和交互式音樂系統的發展，迫切需要一種高效、準確的自動化識別方法，以突破傳統人工分析的瓶頸。為此，印度阿姆里塔工程學院（Amrita School of Engineering）的研究團隊開展了相關研究，旨在開發一種基于深度學習的電吉他彈奏技術識別框架

  來源：Scientific Reports

  時間：2025-05-16

• 間充質干細胞分泌組療法（KPI-012）用于持續性角膜上皮缺損的安全性和有效性：1b 期試驗

  在眼科疾病的領域中，角膜作為眼睛前端的透明屏障，其健康與否直接關系到視覺功能。然而，持續性角膜上皮缺損（Persistent Corneal Epithelial Defect, PCED）卻如同隱藏在光明道路上的絆腳石，困擾著眾多患者。PCED 是指角膜上皮缺損持續超過 10-14 天未愈合的狀態，其患病率約為每 10,000 人中有 1.6-4.2 例，可由多種眼部疾病引發，如角膜緣干細胞缺乏、炎癥性或自身免疫性疾病、機械性因素（異常眼瞼病變、反復上皮細胞創傷）、影響角膜神經感覺的疾?。ㄌ悄虿?、皰疹性疾?。┮约搬t源性因素（角膜切口、激光屈光手術等罕見情況）。當前，PCED 的治療選擇雖多，

  來源：Current Therapeutic Research

  時間：2025-05-16

• 綜述：運用控制理論研究正常成人、運動員及神經運動障礙患者的視覺運動控制能力

  引言控制理論作為工程學與數學的交叉學科，為解析生物系統的動態調控提供了量化工具。其核心閉環反饋模型（Closed-loop Feedback）尤其適用于人類視覺運動控制研究——這一需要實時整合視覺輸入與運動輸出的復雜過程。通過實驗數據建模與計算分析，研究者能夠模擬目標追蹤、駕駛等場景中精確運動的生成機制。背景經典研究采用閉環手動控制任務（如操縱桿跟蹤屏幕目標），通過正弦擾動信號揭示人類操作者的補償控制策略。交叉模型（Crossover Model）等簡化數學模型，無需依賴神經細節即可預測行為輸出，成為系統辨識的重要工具。正常成人的視覺運動控制研究表明，視覺線索（如亮度、對比度）通過不同神經通路

  來源：Current Opinion in Behavioral Sciences

  時間：2025-05-16

• 減重手術前心理健康狀況：肥胖患者術前精神疾病及進食行為關聯研究

  肥胖已成為全球重大健康威脅，世界衛生組織（WHO）數據顯示，全球約 19 億人受其困擾。肥胖不僅伴隨糖尿病、心血管疾病等代謝問題，還與抑郁、進食障礙等精神心理疾病密切相關。臨床上，減重手術是幫助肥胖患者長期減重的重要手段，但其成功與否不僅依賴體重下降，還需關注患者的心理健康狀態。然而，術前患者精神疾病患病率及其與人口學特征的關聯尚不明確，尤其在法國人群中缺乏系統性研究。為填補這一空白，法國路易巴斯德醫院（Louis Pasteur Hospital）營養與肥胖科的研究團隊開展了一項橫斷面研究，旨在明確肥胖患者減重手術前抑郁、童年創傷、進食障礙（包括暴食障礙 BED、貪食癥 BN、夜食綜合征 N

  來源：Comprehensive Psychoneuroendocrinology

  時間：2025-05-16

• 綜述：神經元源性細胞外囊泡在Tau蛋白和阿爾茨海默病中的診斷價值

  神經元源性細胞外囊泡（NDEVs）是中樞神經系統細胞間通訊的關鍵媒介，其攜帶的病理蛋白和核酸在阿爾茨海默?。ˋD）發展中扮演復雜角色。這些由神經元分泌的脂質雙層囊泡（直徑50-150 nm）通過運輸淀粉樣蛋白（Aβ）和磷酸化Tau（p-Tau），促進蛋白聚集體的跨突觸傳播。病理蛋白的運輸機制NDEVs通過內體-多泡體（MVB）途徑釋放，將胞內Aβ1-42和p-Tau轉運至微膠質細胞。研究發現，AD患者血漿NDEVs中p-Tau水平較健康對照升高2倍，且能在臨床癥狀出現前10年預測疾病進展。值得注意的是，NDEVs通過膜融合或內化作用進入突觸后神經元，釋放的Tau寡聚體可作為"種子"誘導健康Ta

  來源：Brain Network Disorders

  時間：2025-05-16

• 基于小波散射變換啟發的卷積神經網絡框架對心跳級心律失常的分析與分類

  心臟，這個人體內的 “永動機”，依靠精密的電傳導系統維持著規律的跳動。當心臟電活動出現異常，心律失常（Arrhythmia, ARR）便可能悄然降臨，成為威脅人類健康的隱形殺手。據世界衛生組織數據顯示，心血管疾?。–ardiovascular Disease, CVD）是全球主要死亡原因之一，而心律失常在其中扮演著關鍵角色。傳統的心電圖（Electrocardiogram, ECG）診斷雖為重要手段，但依賴人工分析的局限性日益凸顯：面對海量心電數據，人工解讀效率低下且易受主觀因素影響；傳統機器學習方法雖嘗試通過特征工程提升診斷效能，卻難以突破手工設計特征的片面性與泛化能力瓶頸。更嚴峻的是，以卷

  來源：Biomedical Signal Processing and Control

  時間：2025-05-16

• REELMO 數據集：探索自然情境下情感的 1060 小時情感報告及功能磁共振成像研究

  情感是人類體驗的核心，但因其復雜性和情境依賴性，傳統實驗室研究面臨挑戰?，F有研究多使用簡單、靜態且情境信息有限的刺激，如標準化圖像集，或相對簡短的電影片段來誘發典型情緒狀態，這犧牲了情感的復雜性以換取標準化，難以捕捉情感狀態的真實本質及其細微差別。例如，主觀體驗通常是復雜且多方面的，常包含混合情緒甚至矛盾情緒；情感體驗隨時間展開，具有動態模式和狀態間的轉換；情境在情感體驗中也起著重要作用，給定刺激的意義和情感影響會因周圍敘事和積累的情境信息而顯著變化。這些因素使得實驗室環境中收集的情感報告的生態效度受到質疑，在研究大腦中情感的產生位置和方式時，同樣面臨這些挑戰。為解決上述問題，意大利 IMT

  來源：Scientific Data

  時間：2025-05-16

• SHP2-E76突變的結構與動態效應解析：揭示致癌激活的分子機制

  研究背景與意義蛋白酪氨酸磷酸酶SHP2（由原癌基因PTPN11編碼）是調控細胞增殖、分化和存活的關鍵信號分子，通過Ras-MAPK等通路影響多種生理過程。然而，SHP2的突變與多種疾病密切相關：E76D等生殖系突變導致Noonan綜合征（NDDs），而體細胞突變E76G/E76A則與白血病等癌癥相關。這些突變均位于N-SH2與PTP結構域界面，通過破壞自抑制狀態引發功能增益（GOF），但不同突變如何導致截然不同的疾病表型尚不明確。研究設計與方法來自東莞石龍人民醫院和沙特國王大學的研究團隊通過分子動力學（MD）模擬，對比分析了SHP2野生型（Apo-state）與三種突變體（E76D/M1、E7

  來源：BMC Chemistry

  時間：2025-05-16

• 氨 - 柴油雙燃料燃燒的非平衡火用分析與人工神經網絡預測：最小化火用損失的策略

  隨著全球氣候變暖加劇，航運業作為溫室氣體（GHG）排放的重要來源，急需向碳中和能源結構轉型。氨因零碳排放、抗爆性好等優勢成為極具潛力的替代燃料，但其高自燃溫度、窄可燃極限和慢火焰速度等特性，導致純氨難以有效利用，氨 - 柴油雙燃料（ADDF）燃燒雖能改善燃燒特性，但燃燒過程中的火用損失（Exergy Loss，能量中無法轉化為功的部分）會降低燃料做功潛力，制約熱效率提升?，F有研究多基于熵增計算火用損失，未深入探究具體來源及反應路徑，且針對 ADDF 火用損失的研究尚不充分，因此亟需深入分析其火用損失機制并開發高效預測方法。為解決上述問題，國內研究人員開展了氨 - 柴油雙燃料燃燒的非平衡火用分析

  來源：Fuel

  時間：2025-05-16

• 隨機圖上流行病過程參數估計的經典方法、XGBoost 與神經網絡方法比較研究

  在傳染病防控的關鍵戰場上，精準捕捉病毒傳播的 “數字密碼”—— 感染率，成為了與時間賽跑的核心任務。當前，全球面臨新發傳染病如 SARS-CoV-2、HPAI A（H5N1）禽流感等的威脅，快速準確地估計感染率不僅是疫情監測的 “眼睛”，更是制定防控策略的 “指南針”。然而，傳統方法在復雜社會網絡結構中的參數估計面臨挑戰：當數據有限或網絡結構異質性顯著時，如何提升估計的精度與魯棒性？不同算法在不同場景下的表現差異究竟幾何？這些問題如同迷霧，籠罩著流行病建模與防控的實踐。為驅散這層迷霧，來自相關研究機構的研究人員聚焦于隨機圖上的 SIR（Susceptible-Infected-Recovere

  來源：Franklin Open

  時間：2025-05-16

• 基于 Ghost-AdderNet 與帶傳感器計算的無線傳感器網絡（WSNs）的機器故障診斷方法

  在工業領域，機器設備的穩定運行至關重要，及時準確的故障診斷能有效提升設備可靠性、延長使用壽命并預防故障發生。傳統機器故障診斷系統依賴電纜傳輸信號，存在安裝維護成本高的問題。隨著無線傳感器網絡（WSNs）和物聯網（IoT）的發展，基于無線技術的故障診斷系統應運而生。然而，現有系統主要分為原始數據傳輸模式和傳感器計算模式：原始數據傳輸模式受限于 WSNs 的無線帶寬和節點能量，難以滿足高速數據采集傳輸需求；傳感器計算模式雖能減少能耗和傳輸數據量，但多采用傳統機器學習方法，依賴人工構造特征和專家經驗，而深度學習中的卷積神經網絡（CNN）雖具備自動特征提取能力，卻因資源需求高難以直接部署在資源受限的

  來源：Expert Systems with Applications

  時間：2025-05-16

• 基于多梯度深度卷積神經網絡與自適應支持向量機(M-D-C-A-S)的植物葉片病害智能檢測新方法

  在全球氣候變化加劇的背景下，植物病害爆發正嚴重威脅糧食安全與環境可持續性。據研究顯示，病原體新變種的快速傳播與宿主-病原體相互作用的變化，導致作物減產高達20-40%。傳統依賴人工專家目檢的方法不僅效率低下，且易受主觀判斷影響，難以應對大面積病害檢測需求。盡管現有機器學習(ML)和深度學習(DL)技術如VGG16、EfficientNet B7等已取得部分進展，但在處理田間復雜場景時，仍面臨圖像背景噪聲干擾、多病害共存葉片識別困難、模型泛化能力不足等挑戰。針對這一關鍵問題，國內研究人員在《Engineering Applications of Artificial Intelligence》發

  來源：Engineering Applications of Artificial Intelligence

  時間：2025-05-16

• 基于YOLOv8s改進的輕量化交通標志檢測模型DP-YOLO：針對小目標檢測的優化與性能提升

  在自動駕駛技術快速發展的今天，交通標志識別系統如同車輛的"交通語言翻譯官"，其準確性直接關系到行車安全。然而現實場景中，交通標志往往以"迷你尺寸"出現在復雜環境中——不足32×32像素的小標志被樹木遮擋、因車速模糊、受光線干擾，傳統檢測算法就像用漁網撈芝麻，漏檢誤檢頻發。更棘手的是，車載設備的算力限制要求模型必須"瘦身"，但現有輕量化方案如YOLOv8n、LeYOLO等在壓縮參數時，又像過度節食的運動員，犧牲了關鍵的特征提取能力。這種"檢測精度"與"模型輕量"的拉鋸戰，成為制約自動駕駛落地的關鍵瓶頸。針對這一難題，廣西民族大學的研究團隊在《Digital Signal Processing》發

  來源：Digital Signal Processing

  時間：2025-05-16

知名企業招聘：