• 瑞士的低社会经济地位与烧伤伤害：一项回顾性队列分析

  烧伤是一种全球范围内的重大健康挑战，通常需要复杂的医疗管理。尽管瑞士拥有丰富的资源和先进的医疗体系，但该国尚未有系统研究探讨某些特定人口群体是否在烧伤风险和治疗结果上更为脆弱。这项研究旨在分析瑞士最大烧伤中心中，不需重症监护的成年患者烧伤的原因及与治疗结果相关的因素。研究发现，低社会经济地位（SES）与烧伤结果之间存在显著关联，即使在高收入国家，这种社会经济差异依然影响着患者的康复过程。研究还揭示了心理疾病、失业以及农村居住等因素与烧伤并发症和住院时间延长之间的关系，强调了在高收入国家中，针对弱势群体进行有针对性的预防措施和跨学科医疗干预的重要性。烧伤的成因和特征是研究的重要内容之一。研究覆盖

  来源：Plastic and Reconstructive Surgery Global Open

  时间：2025-11-08

• 一项关于富血小板血浆凝胶敷料与传统敷料在治疗急性面部烧伤中的比较的初步研究：一项双盲试验

  在当今医学领域，烧伤治疗一直是一个备受关注的研究方向。面部烧伤尤其受到重视，因其不仅影响患者的身体健康，还可能对其心理和社会生活质量造成深远影响。面部是人体最敏感和显眼的部位之一，烧伤后容易留下疤痕，甚至影响患者的外观和自信心。因此，探索更为有效的治疗方法对于改善患者的预后具有重要意义。近年来，随着再生医学的发展，血小板富集血浆（PRP）作为一种具有生长因子的天然生物制剂，因其促进组织修复和再生的能力而备受瞩目。本研究旨在评估PRP凝胶在治疗浅表面部烧伤中的效果，与传统治疗方式——湿润暴露烧伤软膏（MEBO）进行比较，以期为临床提供新的治疗选择。研究的背景表明，PRP含有多种对组织修复至关重要

  来源：Plastic and Reconstructive Surgery Global Open

  时间：2025-11-08

• Lifex库版本2.0

  摘要本文对lifex [Africa, SoftwareX (2022)]进行了更新。该库是一个基于C++的库，用于高性能有限元模拟多物理场、多尺度和多域问题。在这一版本中，我们引入了一种新的网格间数据传输方法，用于处理同一域上不匹配的多物理场耦合问题；显著优化了最近邻点搜索和接口耦合功能；扩展了对二维及混合维度问题的支持；并改进了输入/输出以及模拟序列化和重启的相关功能。这些改进也应用于之前发布的专门用于心脏建模和模拟的lifex模块，包括lifex-fiber [Africa et al., BMC Bioinformatics (2023)]、lifex-ep [Africa et al

  来源：ACM Transactions on Mathematical Software

  时间：2025-11-08

• 一种用于计算广义汉明权重的算法以及Sage软件包中的GHWs功能

  摘要我们推广了Brouwer-Zimmermann算法，该算法是计算随机线性码最小距离的最有效通用算法，并将其应用于广义汉明权重的情况。同时，我们还改进了该算法以计算嵌套线性码对的相对广义汉明权重。在GHWs包中，我们提供了该算法在Sage中的实现，以及一些用于处理广义汉明权重的其他工具。通过这一实现，我们证明了所提出的算法比直接使用定义来计算广义汉明权重的简单方法更快。

  来源：ACM Transactions on Mathematical Software

  时间：2025-11-08

• ArborX库：版本2.0

  摘要本文概述了ArborX库的2.0版本，这是一个基于Kokkos框架的、具有高性能且可移植的几何搜索库。我们介绍了ArborX 2.0的主要变化，包括新的用户界面（以支持更广泛的用户需求）、新的搜索数据结构（暴力搜索、分布式搜索）、对用户自定义函数的支持（允许在搜索结果上执行这些函数，即回调机制），以及扩展的算法支持范围（新增了光线追踪和聚类算法）。

  来源：ACM Transactions on Mathematical Software

  时间：2025-11-08

• 通过合并实现动态继承的类型安全编译

  摘要继承是许多编程语言中的关键概念。动态类型语言（如JavaScript）通常支持强大的动态继承形式。然而，动态继承对静态类型语言来说带来了重大挑战。大多数静态类型语言仅提供静态继承机制，以实现类型安全，但代价是牺牲了灵活性。本文介绍了一种针对CP语言的编译器。CP是一种静态类型语言，但它通过合并操作符支持动态继承，并且还具有表达能力强的参数多态性。合并操作符实现了多重继承、一等类以及虚拟类和家族多态性。借助这些特性，CP语言能够开发出高度模块化且耦合度低的组件。然而，高效编译CP代码并非易事，尤其是当需要单独编译各个部分时。特别是在CP语言中，为了类型安全，子类型化是强制性的，这给编译方案的

  来源：ACM Transactions on Programming Languages and Systems

  时间：2025-11-08

• 从指纹传感器数据中动态生成具有隐私保护功能的身份信息，以应用于安全场景

  摘要在基于传感器的安全应用中，生成唯一且安全的凭证对于确保信任和隐私至关重要。传统上，伪随机数生成器被用于此目的。然而，生物特征数据（尤其是指纹特征）已成为一种更为可靠的替代方案。本文提出了一种动态方法，用于从指纹传感器数据中生成具有隐私保护功能的唯一身份标识。该方法首先从指纹图像中提取感兴趣区域（ROI），并提取两组特征：基于细节的特征和基于纹理的信息。这两组特征被结合并优化，以生成一个包含区分性和相关属性的混合特征向量。然后从这个向量动态生成一个唯一身份标识（称为“密钥”），该身份标识具有可靠性、可撤销性、不可关联性和不可逆性等特点。通过使用不同质量和分辨率的传感器采集的指纹图像进行的广泛

  来源：ACM Transactions on Privacy and Security

  时间：2025-11-08

• 最优的非流水线化 Reduce-scatter 和 Allreduce 算法及其在全连接通信中的应用

  摘要“Reduce-Scatter”集体操作中，网络中的个处理器共同将个输入向量合并为一个结果向量，该结果向量被分割成个部分并分配给各个处理器。这一操作本身非常重要，同时也是其他集体操作的基础。我们提出了一种简单却非平凡的算法，能够在⌈log₂p⌉轮通信中最优地解决该问题：每个处理器恰好发送、接收和处理 - 1个向量元素块，前提是二进制归约操作是可交换的。我们将这种算法与另一个同样简单且广为人知的“Allgather”算法结合起来，从而得到一个适用于“Allreduce”集体操作的算法，在该算法中结果向量会被复制到所有处理器上。所使用的通信模式是一个简单的、遵循⌈log₂p⌉规则的结构化循环图

  来源：ACM Transactions on Parallel Computing

  时间：2025-11-08

• MultiQueue：一种简单且快速的松弛并发优先队列

  摘要优先队列在各种应用中都有广泛的使用，包括优先在线调度、离散事件模拟和贪心算法。在并行环境中，传统的优先队列往往成为性能瓶颈，导致吞吐量较低。因此，人们对具有宽松语义的并发优先队列产生了浓厚的兴趣。在本文中，我们介绍了MultiQueue，这是一种高度可扩展且灵活的宽松优先队列。其设计基于利用“无等待锁定”这一看似矛盾的技术来实现多个内部优先队列的协同工作。通过元素缓冲、对内部队列进行批量操作以及优化缓存访问模式，进一步提升了MultiQueue的实际性能。我们将MultiQueue与现有的最先进竞争方案进行了吞吐量与性能质量的对比评估。性能质量通过两个互补的指标来衡量：排名误差（被删除元素

  来源：ACM Transactions on Parallel Computing

  时间：2025-11-08

• 在肿瘤整形保乳手术中结合使用斧形皮瓣和前肋间动脉穿支皮瓣

  在乳腺癌治疗领域，乳腺保留手术（breast-conserving surgery）已成为一种重要的选择，尤其对于希望避免乳房切除术的患者而言。这种手术不仅追求肿瘤的彻底切除，同时注重保留乳房的外形和体积，以提高患者的生活质量。然而，某些病例中，肿瘤的位置和大小可能导致较大的中央至下内象限的缺损，这对术后的重建提出了更高的挑战。因此，开发一种既能保证肿瘤学安全，又能实现良好美学效果的重建方法显得尤为关键。本研究介绍了一种新的混合型乳腺保留手术技术，该技术结合了体积置换（volume displacement）和体积替换（volume replacement）策略，使用了“ hatchet”皮瓣

  来源：Plastic and Reconstructive Surgery Global Open

  时间：2025-11-08

• 乳腺植入物相关疾病的临床管理及乳腺植入物相关躯体症状障碍（BIA-SSD）：治疗方案案例分析

  近年来，关于与乳房假体相关的系统症状的病例逐渐增多，这些症状通常表现为持续的焦虑、对身体状况的过度关注以及影响日常生活的身体不适。研究发现，部分患者符合“乳房假体相关躯体症状障碍”（BIA-SSD）的诊断标准。该障碍的核心特征包括长期焦虑和对身体症状的强烈关注，这些症状会持续至少6个月，并对患者的生活质量产生显著影响。随着对BIA-SSD的深入研究，医疗界已经明确了该疾病的诊断方法和治疗策略，包括非手术和手术治疗两种途径。在诊断过程中，医生通常会对患者进行详细的病史采集、临床检查以及影像学评估，如乳房磁共振成像（MRI），以排除其他可能的医学病因。在某些情况下，尽管影像学检查未发现假体破裂等结

  来源：Plastic and Reconstructive Surgery Global Open

  时间：2025-11-08

• 氧气疗法在乳腺癌切除术后皮瓣缺血管理中的应用

  氧在伤口愈合过程中扮演着至关重要的角色，主要通过促进血管生成、加速伤口闭合以及改善组织修复能力。近年来，局部供氧治疗（Topical Oxygen Therapy, TOT）作为一种创新的治疗方法，已被广泛应用于糖尿病足溃疡的治疗中。然而，随着其在整形外科领域中的应用不断拓展，特别是在处理组织移植和皮瓣缺血等情况时，TOT的临床价值也逐渐受到重视。在某些情况下，TOT能够有效降低皮瓣坏死的风险，提高组织的存活率。本文将通过一个具体病例，探讨TOT在乳腺癌术后皮肤坏死治疗中的应用效果。该病例涉及一位48岁的女性患者，她因左乳腺多中心导管原位癌接受了左乳腺切除术，并同时进行了右乳腺的预防性切除术及

  来源：Plastic and Reconstructive Surgery Global Open

  时间：2025-11-08

• 大乳房或下垂乳房中保留乳头的乳房切除术前的初次乳头矫正手术：一项多中心队列分析

  近年来，随着乳腺外科技术的不断进步，乳腺癌手术中的保留乳头乳腺切除术（Nipple-Sparing Mastectomy, NSM）逐渐成为一种重要的治疗方式。NSM的主要优势在于能够保留患者的乳头和乳晕区域，从而显著改善术后外观，提高患者的生活质量和心理满意度。然而，传统上，NSM被认为不适合用于乳房体积较大或下垂（ptotic）的患者，因为这些患者的乳头-乳晕复合体（NAC）血供可能受到限制，从而增加乳头坏死等并发症的风险。随着手术技术的改进和围术期管理的优化，NSM在这一患者群体中的应用范围不断扩大，但其安全性及最佳手术时机仍需进一步研究。本系统综述旨在评估NSM在乳腺下垂或体积较大的患

  来源：Plastic and Reconstructive Surgery Global Open

  时间：2025-11-08

• EdiTor：一种基于边缘引导的Transformer模型，用于实现无伪影的高动态范围成像

  摘要近年来，通过利用卷积神经网络（CNN），从多曝光图像合成高动态范围（HDR）图像的研究得到了广泛开展。尽管取得了显著进展，但现有的基于CNN的方法存在固有的局限性，即局部感受野的限制，这阻碍了模型捕捉欠曝/过曝图像之间长距离对应关系和大范围运动的能力，从而导致动态场景中出现重影伪影。为了解决上述问题，我们提出了一种新型的边缘引导传输器框架（EdiTor），该框架专为无重影的HDR重建而设计。通过引入边缘先验，EdiTor能够精细地模拟不同曝光之间的长距离运动。具体而言，EdiTor在图像域和边缘域上分别计算块级的相关性图，使网络能够有效建模全局运动以及多次曝光之间的细微位移。基于这一框架，

  来源：ACM Transactions on Multimedia Computing, Communications, and Applications

  时间：2025-11-08

• 通过学习候选调整器来提升半监督视频字幕生成的效果

  摘要视频字幕生成是一项同时涉及计算机视觉（CV）和自然语言处理（NLP）的多模态任务，其目标是通过自然语言语句自动获取视频内容的描述。尽管存在大量的视频数据，但带有描述句子的注释却非常有限。在本文中，我们提出了半监督视频字幕生成（SSVC）问题，旨在通过利用标注良好的样本和未标注样本的语义知识来提高在注释较少情况下的性能。为了解决这个问题，我们引入了一种基于LCA（学习性候选调整器，Learningable Candidate Adjuster）的模型（LCABM）来提升SSVC的效果。该模型首先探索了一个可学习的候选调整器来优化字幕候选项，然后将这些经过调整的字幕作为伪标签，利用未标注样本反

  来源：ACM Transactions on Multimedia Computing, Communications, and Applications

  时间：2025-11-08

• MMICT：利用上下文示例提升多模态微调效果

  摘要尽管上下文学习（ICL）为大型语言模型（LLMs）带来了显著的性能提升，但其改进效果仍低于在下游任务上进行微调的效果。本文介绍了多模态上下文微调（MMICT）这一新型的多模态微调方法，该方法通过充分利用多模态LLMs（MM-LLMs）的强大ICL能力来增强多模态微调的效果。我们提出了多模态枢纽（M-Hub）这一统一模块，它能够根据不同的输入和目标捕捉各种多模态特征。基于M-Hub，MMICT使MM-LLMs能够从上下文相关的视觉引导文本特征中学习，并据此生成相应的输出。此外，利用M-Hub的灵活性，我们设计了多种上下文相关的演示场景。在多种下游多模态任务上的广泛实验表明，MMICT的性能明

  来源：ACM Transactions on Multimedia Computing, Communications, and Applications

  时间：2025-11-08

• XDTEncoder：一种用于智能医疗的深度可解释性心律失常分类框架

  摘要在智能医疗的背景下，多媒体技术和数字孪生技术的整合推动了远程医疗领域的重大进展。心电图（ECG）信号作为多媒体医疗数据的一部分，提供了关于心脏电活动的重要数字信息，这对于诊断心律失常和保障健康生活至关重要。心律失常分类是分析ECG信号的基本步骤，也是诊断心脏疾病的关键问题。心律失常分类中的一个主要挑战是缺乏高精度来识别心律失常的心跳；另一个挑战是决策模型缺乏可解释性。本研究旨在开发一种新的方法，以提高心律失常分类的性能，并提供可解释的诊断决策路径。我们提出了XDTEncoder，这是一种可解释的心律失常分类框架，它利用多层次特征来识别心律失常的心跳，并提供可解释的诊断决策路径。XDTEnc

  来源：ACM Transactions on Multimedia Computing, Communications, and Applications

  时间：2025-11-08

• S3 Agent：利用VLLM的力量实现零样本多模态讽刺检测

  摘要多模态讽刺检测旨在通过分析潜在的情感来判断给定的多模态输入是否表达了讽刺意图。近期，视觉大型语言模型在多种多模态任务中取得了显著的成功。受此启发，我们系统地研究了视觉大型语言模型在零样本多模态讽刺检测任务中的影响。此外，为了捕捉讽刺表达的不同视角，我们提出了一个多视图代理框架S3 Agent，该框架通过利用三个关键视角——表面表达、语义信息和情感表达——来提升零样本多模态讽刺检测的能力。我们在MMSD2.0数据集上进行了实验，该数据集涉及六个模型和四种提示策略，实验结果表明我们的方法达到了行业领先的性能水平。我们的方法平均提升了13.2%的准确率。此外，我们还在仅文本的讽刺检测任务上对方法

  来源：ACM Transactions on Multimedia Computing, Communications, and Applications

  时间：2025-11-08

• 用于无监督车辆重新识别的三元组对比表示学习

  摘要在无监督的车辆重识别任务中，部分特征学习对于实现细粒度的语义理解起着关键作用。然而，现有的方法直接对部分特征和全局特征进行建模，这很容易导致梯度消失问题，因为这些特征的信息量不均衡且伪标签不可靠。为了解决这个问题，本文提出了一种三元组对比表示学习（TCRL）框架，该框架利用聚类特征来连接部分特征和全局特征，从而实现无监督的车辆重识别。具体而言，TCRL设计了三个内存库来存储实例/聚类特征，并提出了一种代理对比损失（PCL），以在相邻的内存库之间进行对比学习，从而将部分特征和全局特征之间的关联表示为部分-聚类关联和聚类-全局关联的转换过程。由于聚类内存库能够处理所有车辆特征，因此它可以将其总

  来源：ACM Transactions on Multimedia Computing, Communications, and Applications

  时间：2025-11-08

• 具有相关性意识的跨模态注意力网络，用于UGC系统中的时尚搭配建模

  摘要得益于社交多媒体与人工智能的持续整合，信息检索（IR）的应用场景正逐渐变得多样化且个性化。目前，用户生成内容（UGC）系统在处理大规模用户与海量媒体内容之间的交互方面具有巨大潜力。作为新兴的多媒体信息检索技术，时尚搭配建模（FCM）旨在预测每套服装的搭配程度，并根据用户查询提供补充性商品推荐。尽管现有研究试图从多模态角度探索FCM任务并取得了令人满意的进展，但它们仍未能充分利用多模态信息之间的交互作用，或忽略了服装内部各商品之间的上下文关联性。在本文中，我们提出了一种基于相关性感知的跨模态注意力网络（Correlation-aware Cross-modal Attention Netwo

  来源：ACM Transactions on Multimedia Computing, Communications, and Applications

  时间：2025-11-08

知名企业招聘：