• 一種基于雙波段低成本多光譜成像與機器學習優(yōu)化番茄番茄紅素濃度無損檢測的研究

  本論文聚焦于番茄番茄紅素的無損定量檢測難題。為實現(xiàn)低成本、高精度且適用于工業(yè)化部署的目標，研究人員創(chuàng)新性地將優(yōu)化的多光譜成像技術(shù)與機器學習模型相結(jié)合。通過系統(tǒng)性地進行波段選擇，研究發(fā)現(xiàn)僅使用兩個關(guān)鍵波段（595nm和635nm）并結(jié)合淺層神經(jīng)網(wǎng)絡(luò)，即可實現(xiàn)高達0.951的R2預(yù)測精度。該方法在顯著降低硬件成本和復(fù)雜度的同時，保持了與復(fù)雜系統(tǒng)相當?shù)臋z測性能，為優(yōu)化番茄采收、分揀和儲存提供了精準、經(jīng)濟的實時監(jiān)測工具，有助于提升番茄的營養(yǎng)價值和減少供應(yīng)鏈浪費。

  來源：Smart Agricultural Technology

  時間：2026-02-28

• 在具有兩個SMN2基因拷貝的1型脊髓性肌萎縮癥患者中，比較Nusinersen單藥治療與Nusinersen聯(lián)合Onasemnogene Abeparvovec治療的療效：一項來自土耳其的多中心研究

  脊髓性肌萎縮癥1型患者單用nuversen與聯(lián)合療法療效對比研究，回顧性納入82例分兩組（單用42例，聯(lián)合40例）分析，結(jié)果顯示早期治療（≤3月齡）對喂養(yǎng)結(jié)局顯著優(yōu)于晚期治療（OR:0.740,p=0.024），聯(lián)合療法在坐立能力、CHOP-INTEND評分、呼吸營養(yǎng)狀態(tài)及總生存率上均未顯示優(yōu)勢。研究強調(diào)年齡窗對預(yù)后的決定性作用，建議擴大樣本量進行前瞻性驗證。

  來源：Muscle & Nerve

  時間：2026-02-28

• 熱量限制對加州海兔衰老、學習能力及轉(zhuǎn)錄組的影響研究

  本研究通過對比自由取食（AL）與熱量限制（CR）飲食下的加州海兔（Aplysia californica），揭示了CR不僅延遲了由反射行為定義的生物衰老，還能在年老個體中維持特定的學習能力（如學習食物不可食，LFI）。研究結(jié)合行為學與轉(zhuǎn)錄組學分析發(fā)現(xiàn)，CR條件下的年老動物其學習表現(xiàn)與年輕個體相當，且學習行為（LFI）后神經(jīng)元（特別是運動與中間神經(jīng)元）中富集了與記憶鞏固相關(guān)的基因通路（如蛋白激酶C結(jié)合GO:0005080、鈣粘蛋白結(jié)合GO:0045296、微管切割A(yù)TP酶活性GO:0008568以及神經(jīng)活性配體-受體相互作用ko04080等）。這些結(jié)果表明，CR可能通過調(diào)節(jié)神經(jīng)元的結(jié)構(gòu)與功能相關(guān)基因表達，延緩了大腦衰老相關(guān)的認知衰退，為理解營養(yǎng)干預(yù)延緩神經(jīng)功能退行提供了新的視角。

  來源：Genes, Brain and Behavior

  時間：2026-02-28

• 大腦皮層神經(jīng)調(diào)控能量場聚焦度量化：TMS與低強度聚焦超聲的對比研究

  為解決神經(jīng)調(diào)控技術(shù)中經(jīng)顱磁刺激（TMS）與低強度聚焦超聲（LIFU）能量場分布特性不明確的問題，研究人員開展了一項量化對比研究。基于個體化頭部模型模擬，研究發(fā)現(xiàn)LIFU具有更高的聚焦度，但個體間變異更大；而TMS激活范圍更廣，變異較小。該研究揭示了能量聚焦度與解剖變異性敏感性之間的權(quán)衡，為臨床方案選擇提供了量化依據(jù)。

  來源：Neuromodulation: Technology at the Neural Interface

  時間：2026-02-28

• 將“前向-前向”算法推向高性能的深度局部學習

  深度局部學習前向前向算法的優(yōu)化與擴展研究，提出基于距離度量的前向前向改進算法DF，融合N-pair邊距損失和分層協(xié)作更新策略，提升監(jiān)督學習性能并降低40%內(nèi)存成本，支持突觸神經(jīng)網(wǎng)絡(luò)高效事件驅(qū)動計算。

  來源：Neural Networks

  時間：2026-02-28

• 通過多線索不確定性建模實現(xiàn)的自監(jiān)督聯(lián)合流場與深度估計

  提出基于不確定性的自我監(jiān)督框架UGFD，通過建模光流與深度估計中的任務(wù)內(nèi)和任務(wù)間不一致性生成密集不確定性圖，利用上下文感知模塊抑制誤差傳播，并動態(tài)調(diào)整損失權(quán)重以應(yīng)對非剛性運動和復(fù)雜場景，在KITTI等數(shù)據(jù)集上達到SOTA性能，驗證了零樣本泛化能力。

  來源：Neural Networks

  時間：2026-02-28

• 通過對抗性正則化的有向圖自動編碼器推斷基因調(diào)控網(wǎng)絡(luò)

  基因調(diào)控網(wǎng)絡(luò)推斷方法研究，提出基于對抗訓練的圖自動編碼器ARDGA，通過結(jié)構(gòu)矩陣捕捉一階和二階近鄰關(guān)系，設(shè)計定向消息傳遞模塊，結(jié)合源目標編碼器與Wasserstein距離對抗訓練策略，有效處理復(fù)雜拓撲和非獨立同分布數(shù)據(jù)，在DREAM5和多個scRNA-seq數(shù)據(jù)集上驗證優(yōu)于現(xiàn)有基線方法。

  來源：Neural Networks

  時間：2026-02-28

• 年齡敏感的皮質(zhì)脆弱性與多巴胺能神經(jīng)元退化在帕金森病臨床表現(xiàn)中的相互作用

  本研究通過主成分分析發(fā)現(xiàn)帕金森病患者存在主導(dǎo)的皮質(zhì)萎縮模式（PC1_PD），該模式與年齡負相關(guān)，獨立于多巴胺轉(zhuǎn)運體功能，顯著影響運動癥狀（尤其是軸性癥狀）和認知功能（如全局認知和執(zhí)行功能），且與年齡協(xié)同作用加劇臨床表現(xiàn)。

  來源：Neurobiology of Aging

  時間：2026-02-28

• 基于深度強化學習的艦載飛機飛行甲板操作調(diào)度問題

  針對NP難的航母飛行甲板調(diào)度問題，本研究提出融合圖神經(jīng)網(wǎng)絡(luò)（GNN）與深度強化學習（DRL）的新框架。通過將問題建模為馬爾可夫決策過程（MDP），利用GNN捕捉任務(wù)依賴與資源約束關(guān)系，顯著提升調(diào)度效率與質(zhì)量，決策時間從分鐘級降至秒級，滿足實時需求。

  來源：Neural Networks

  時間：2026-02-28

• 將指令執(zhí)行時間的不確定性降到最低是實現(xiàn)熟練操作的關(guān)鍵因素

  運動變異性主要源于神經(jīng)信號的空間和時間噪聲，本研究提出運動命令的精確計時是重要因素，通過單關(guān)節(jié)伸展、周期性力量輸出及左右手比較實驗驗證，發(fā)現(xiàn)非慣用手肌肉時間變異性更大。

  來源：Neural Networks

  時間：2026-02-28

• 可擴展的、基于物理知識的深度生成模型，用于求解正向和反向隨機微分方程

  提出一種可擴展的物理信息深度生成模型sPI-GeM，通過結(jié)合物理信息基網(wǎng)絡(luò)（PI-BasisNet）和生成模型，解決高維隨機（>50）與空間（20）耦合的隨機微分方程（SDE）前向與反問題。模型采用基函數(shù)學習與分布生成雙階段架構(gòu)，顯著降低維度依賴性，數(shù)值實驗驗證其在復(fù)雜高維場景下的有效性。

  來源：Neural Networks

  時間：2026-02-28

• 結(jié)合概念嵌入的分層深度強化學習框架

  針對深度強化學習（DRL）在高維狀態(tài)-動作空間中的探索效率問題，提出一種基于概念嵌入的層次化DRL框架，通過解耦識別與決策模塊、引入先驗知識約束，降低探索空間復(fù)雜度，并驗證了其相較于傳統(tǒng)HDRL方法更穩(wěn)定的訓練效果。

  來源：Neural Networks

  時間：2026-02-28

• 一種多智能體連續(xù)強化學習框架，支持多時間尺度回放和動態(tài)任務(wù)分類

  MACRL框架通過多時序回放和動態(tài)任務(wù)分類解決多智能體持續(xù)強化學習中的災(zāi)難性遺忘和知識遷移問題，在LBF和PP基準測試中顯著優(yōu)于基線，提出自適應(yīng)架構(gòu)和注意力機制優(yōu)化跨任務(wù)協(xié)作。

  來源：Neural Networks

  時間：2026-02-28

• 神經(jīng)活性甾體與甾醇類神經(jīng)調(diào)節(jié)劑的結(jié)構(gòu)-活性關(guān)系：以小鼠小膠質(zhì)細胞炎癥標志物為視角

  本文推薦一項關(guān)于神經(jīng)活性甾體抗炎機制的重要研究。為解決其結(jié)構(gòu)特征如何影響抗炎效果這一核心問題，作者系統(tǒng)研究了AlloP、其對映體及多種衍生物在LPS誘導(dǎo)的小膠質(zhì)細胞炎癥模型中對促炎因子(IL-1β, IL-6, TNF-α)的抑制作用。研究發(fā)現(xiàn)，AlloP及其對映體ent-AlloP具有顯著的抗炎活性，且此活性與其對GABAA受體的調(diào)節(jié)作用可分離。該研究為開發(fā)靶向神經(jīng)炎癥、且副作用更少的新型藥物提供了關(guān)鍵線索。

  來源：The Journal of Steroid Biochemistry and Molecular Biology

  時間：2026-02-28

• ATCRN：一種基于注意力引導(dǎo)的時間卷積重構(gòu)網(wǎng)絡(luò)，用于P300腦電信號拼寫識別任務(wù)

  P300腦機接口中，基于時空卷積的模型ATCRN通過多級跳躍連接和雙注意力機制（外CBAM噪聲抑制，內(nèi)ECA通道動態(tài)調(diào)節(jié)），有效融合局部與全局時序特征，解決EEG信號低信噪比及P300時延變量問題。實驗表明其字符識別率達99%，對8名ALS患者P300檢測AUC-ROC為0.882，優(yōu)于Transformer和CNN基準模型。

  來源：Journal of Neuroscience Methods

  時間：2026-02-28

• 星形膠質(zhì)細胞特異性轉(zhuǎn)錄因子FoxF2調(diào)控多發(fā)性硬化病變中的免疫與髓鞘修復(fù)：來自人類病變與動物模型的證據(jù)

  本研究聚焦多發(fā)性硬化（MS）髓鞘修復(fù)效率隨病程進展下降的科學難題，通過對人類死后腦組織的轉(zhuǎn)錄組分析和利用銅宗誘導(dǎo)的髓鞘脫失與再髓鞘化小鼠模型，深入探討了星形膠質(zhì)細胞特異性轉(zhuǎn)錄因子FoxF2在調(diào)控神經(jīng)炎癥、代謝及修復(fù)網(wǎng)絡(luò)中的作用。研究發(fā)現(xiàn)，F(xiàn)oxF2在再髓鞘化病變中高表達，其缺失會導(dǎo)致脫髓鞘期炎癥基因過度激活及再髓鞘期MOG表達下降，并破壞了TGF-β信號和FoxF2-Bach2等修復(fù)相關(guān)基因調(diào)控網(wǎng)絡(luò)。該成果為理解MS修復(fù)失敗機制及開發(fā)新的治療靶點提供了重要線索。

  來源：Journal of Neuroimmunology

  時間：2026-02-28

• 基于彈慣性聚焦實現(xiàn)大細胞智能圖像激活分選的突破性研究

  作為本期亮點，我們推薦這篇開創(chuàng)性研究。該工作成功開發(fā)了基于彈慣性聚焦的圖像激活細胞分選（IACS）系統(tǒng)，解決了大細胞（>20 μm）、細胞簇等大型物體在高速（~1 m s?1）流式圖像分選中的核心難題。系統(tǒng)通過長程微通道結(jié)合粘彈性流體，實現(xiàn)了大型粒子在≥35 mm距離內(nèi)的穩(wěn)定中心聚焦，并集成了基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的實時圖像分析。實驗證明，該系統(tǒng)對混合尺寸粒子分選的純度達96.0%、回收率達80.5%（事件率172 eps），并對纖細裸藻（Euglena gracilis）基于胞內(nèi)脂滴實現(xiàn)了4.5倍富集。這項技術(shù)為基于高內(nèi)涵形態(tài)學分析的大細胞高通量分選開辟了新途徑。

  來源：Lab on a Chip

  時間：2026-02-28

• 基于HPTLC-效應(yīng)導(dǎo)向分析與高分辨串聯(lián)質(zhì)譜聯(lián)用技術(shù)的Lamium album（白野芝麻）生物活性成分譜解析及鑒定

  為解決傳統(tǒng)藥用植物Lamium album（白野芝麻）生物活性成分譜尚未充分解析的問題，研究人員綜合運用HPTLC指紋圖譜、效應(yīng)導(dǎo)向分析（EDA）及高分辨串聯(lián)質(zhì)譜（HR-MS/MS）技術(shù)，對其地上部分與花提取物的抗氧化、酶抑制及抗菌活性進行了系統(tǒng)評估。研究初步鑒定出包括亞油酸、亞麻酸、羥基化脂肪酸、tiliroside及三香豆酰亞精胺（首次在該植物中報道）在內(nèi)的多種活性成分，揭示了其在調(diào)控代謝功能障礙、神經(jīng)退行性疾病及細菌感染方面的潛在應(yīng)用價值。

  來源：Journal of Chromatography B

  時間：2026-02-28

• 綜述：脊髓腫瘤可視化：脊柱腫瘤切除術(shù)中對比增強超聲應(yīng)用綜述

  這篇綜述全面評估了對比增強超聲（CEUS）在脊柱脊髓腫瘤切除術(shù)中的應(yīng)用與優(yōu)勢。作者通過文獻回顧，指出CEUS作為一種實時、動態(tài)、非侵入性的術(shù)中成像工具，能夠顯著改善對腫瘤邊界、血管結(jié)構(gòu)和組織灌注模式的顯像，尤其適用于定位困難或高度血管化的髓內(nèi)腫瘤，有望輔助實現(xiàn)最大范圍的安全切除。然而，現(xiàn)有證據(jù)多為病例報告和系列，未來仍需更多研究探索其臨床潛力。

  來源：Frontiers in Oncology

  時間：2026-02-28

• 混合現(xiàn)實與虛擬現(xiàn)實中不同深度SSVEP特征對比研究及其在神經(jīng)康復(fù)腦機接口設(shè)計中的優(yōu)化參數(shù)探索

  本文系統(tǒng)比較了混合現(xiàn)實（MR）與虛擬現(xiàn)實（VR）在不同虛擬深度（0.4、1.0、1.8 m）環(huán)境下，對穩(wěn)態(tài)視覺誘發(fā)電位（SSVEP）信號質(zhì)量、分類性能及視覺舒適度的影響。研究發(fā)現(xiàn)，MR環(huán)境能更有效緩解視覺輻輳調(diào)節(jié)沖突（VAC），獲得比VR更高的信噪比（SNR）和信號穩(wěn)定性；刺激距離與分類準確性呈負相關(guān)，最近距離（0.4 m）下FBCCA算法準確率最高；11.25 Hz是最佳刺激頻率。該研究為康復(fù)腦機接口（BCI）在沉浸式視覺注意力訓練、空間定向及上肢交互任務(wù)中的刺激深度與頻率參數(shù)優(yōu)化提供了實驗依據(jù)，有助于提升未來康復(fù)BCI的長期使用依從性與臨床轉(zhuǎn)化價值。

  來源：Frontiers in Neuroscience

  時間：2026-02-28

知名企業(yè)招聘：