• 基于神经语言学的阿尔茨海默病检测：认知神经科学启发的深度学习框架COASTAL

  本文推荐一项神经语言学与人工智能交叉的前沿研究：针对阿尔茨海默病（AD）早期诊断资源密集、侵入性强的临床困境，研究团队开发了神经生物学启发的认知声学符号转换框架（COASTAL）。该框架通过模拟人脑语言处理层级通路，将语音信号转化为离散符号序列进行上下文分析，在ADReSSo数据集上达到70.42%准确率，集成自监督学习方法后提升至77.46%。研究证实浅层转换架构能更好保留语音时序特征，为认知衰退提供新型非侵入式生物标志物。

  来源：NeuroImage

  时间：2026-01-24

• [18F]Florbetazine淀粉样蛋白PET的Centiloid标准化定量：一种新型Aβ示踪剂的精准转化与应用评估

  本研究针对阿尔茨海默病(AD)中β-淀粉样蛋白(Aβ) PET定量结果因示踪剂、采集协议和处理流程差异导致的可比性难题，开展了[18F]Florbetazine ([18F]FBZ)这一新型Aβ示踪剂的Centiloid标准化研究。研究人员通过53名受试者的配对[11C]PiB和[18F]FBZ PET扫描，建立了基于SPM和FreeSurfer两种处理流程的Centiloid转化方程，并评估了不同有效图像分辨率(EIR)下的量化精度。结果表明[18F]FBZ SUVR可可靠转化为Centiloid单位，且其量化精度等于或优于[11C]PiB，支持其在临床和研究中的广泛应用，为AD的标准化诊断和疗效评估提供了重要工具。

  来源：NeuroImage

  时间：2026-01-24

• 正性评价恐惧与社交反馈处理的神经机制异常：来自ERP和神经振荡的证据

  本研究针对社交焦虑障碍（SAD）的核心特征——正性评价恐惧（FPE）如何影响社交反馈处理的神经机制这一关键问题，采用社会判断范式（SJP），结合事件相关电位（ERP）和神经振荡技术，揭示了高FPE个体在社交反馈晚期处理阶段存在双向分化的异常模式：对预期接受反馈表现出认知冲突增强（P3和theta活动增强），对意外接受反馈反应钝化（theta活动减弱），对意外拒绝反馈过度敏感（P3和theta活动增强）。该研究首次明确了FPE特异的神经特征，为理解社交焦虑的临床异质性提供了新证据，并提示P3和theta振荡或可作为识别以FPE为主要特征社交焦虑个体的潜在生理标记。

  来源：NeuroImage

  时间：2026-01-24

• 基于信息容量最大化的皮层局部场电位电极优化与传感器稀疏选择计算框架

  本研究针对神经外科电极植入手术中缺乏定量化轨迹优化工具的难题，开发了一套结合有限元建模与香农-哈特利信息论的计算框架。通过遗传算法优化多设备轨迹布局，并创新性提出SEPIO稀疏传感器选择方法，实现在保证手术安全前提下最大化局部场电位信号的信息获取量。实验验证表明该工具能显著提升信号分类准确率15-22%，为精准神经调控手术规划提供了重要技术支撑。

  来源：NeuroImage

  时间：2026-01-24

• 个性化重复经颅磁刺激降低强迫症患者额叶脑电复杂度：一项脑熵调控研究

  本研究针对强迫症(OCD)患者额叶神经活动复杂性异常升高的问题，通过fMRI导航的个性化rTMS干预，发现1Hz右侧前辅助运动区(pre-SMA)刺激可显著降低额叶脑电复杂度指标(ApEn/SampEn/LZC)，且活性刺激组干预后复杂度与健康对照组无差异。结果表明额叶脑电复杂度可作为rTMS神经调控效应的客观生物标志物，为OCD的神经机制研究和治疗评估提供了新视角。

  来源：NeuroImage

  时间：2026-01-24

• 神经编码的时间演化：线性系数几何分析方法在解码动力学中的附加价值

  本文针对时间分辨解码分析中Temporal Generalization（TG）矩阵对神经表征动态解释的模糊性问题，提出通过线性分类器系数的几何特征（旋转角θ和特征密度α）来区分不同神经动态模式。研究发现，即使TG模式相似，几何指标也能有效辨别稀疏/分布式编码、持续/渐进转换、缩放/招募等场景，为神经表征演化机制提供了新的分析维度。该几何框架可推广至任何线性模型，对理解大脑信息处理具有重要意义。

  来源：NeuroImage

  时间：2026-01-24

• 基于U-Net的DUNE神经网络：多回波fMRI去噪新方法及其在任务态脑功能成像中的应用

  本研究针对任务态功能磁共振成像（fMRI）中存在的扫描仪噪声和生理噪声干扰问题，开发了一种基于U-Net架构的深度学习模型DUNE，用于多回波fMRI数据的去噪处理。通过与传统的多回波独立成分分析（MEICA）和高时间分辨率单回波fMRI对比，研究发现DUNE能够有效降低噪声同时保留目标BOLD信号，为fMRI数据去噪提供了新的深度学习解决方案。该研究成果对提升脑功能成像数据分析的可靠性具有重要意义。

  来源：NeuroImage

  时间：2026-01-24

• 陌生人初次社交互动中脑间同步的短期动态变化及其对行为同步的预测作用

  本研究针对陌生人初次互动中脑间同步如何动态演化这一关键问题，通过fNIRS超扫描技术记录了53对陌生人在5分钟相识对话中的神经活动。结果发现，行为上的运动同步性随互动逐渐增强，并预测了互动后的连接感；神经层面上，在左背外侧前额叶皮层-左下额叶回以及右运动前区-右下额叶回等脑区的脑间同步性也呈现渐进式增加，且右运动前区-右下额叶回的同步性仅在互动末期能预测运动同步。这表明脑间同步是社交连接形成中快速可塑的体验依赖性耦合机制，相关成果发表于《NeuroImage》。

  来源：NeuroImage

  时间：2026-01-24

• 基于多变量模式分析的脑电图数据揭示字母处理的时序动态：从早期感知到抽象表征的级联加工

  本研究针对单字母识别的时间进程这一关键科学问题，通过结合事件相关电位和多变量模式分析技术，精细刻画了熟练阅读者大脑在区分字母与假字时神经表征的动态演化。研究发现，字母特异性加工始于刺激呈现后约140毫秒，并持续至600毫秒，表现为一个连续、重叠的级联过程，而非离散的独立阶段。该研究为理解阅读的早期视觉-正字法加工机制提供了重要的神经生理学证据，发表于《NeuroImage》。

  来源：NeuroImage

  时间：2026-01-24

• 解码人脑生物应激的细胞图谱：从单细胞分辨率揭示精神疾病的新机制

  本研究针对逆境暴露导致精神疾病风险增加但细胞特异性机制不明的难题，通过整合单细胞/空间组学与经典形态学分析，系统揭示了人脑眶额皮层中神经元树突棘密度降低和星形胶质细胞亚群特异性分子紊乱等细胞脆弱性模式，阐明了逆境暴露时间对神经环路的差异化影响，为精神疾病的精准治疗提供了新的细胞靶点。

  来源：Neurobiology of Stress

  时间：2026-01-24

• 解析视交叉上核起搏器网络中多样神经元的组成与功能

  本文聚焦于哺乳动物下丘脑视交叉上核（SCN）这一中枢起搏器的细胞异质性难题。SCN由约20,000个神经元组成，表达多种神经递质/神经肽，如何在此多样性网络中维持精确的~24小时节律并作为中枢起搏器调控行为与生理过程的昼夜节律，是领域内的核心科学问题。研究人员利用条件性基因敲除等神经技术，靶向特定细胞类型进行遗传操作和成像，旨在揭示SCN网络中不同细胞振荡器的独特作用、分类、连接及同步机制，以及它们如何在外界光暗周期下实现细胞类型水平的授时。该研究对理解昼夜节律的细胞和网络基础具有重要意义。

  来源：Neurobiology of Sleep and Circadian Rhythms

  时间：2026-01-24

• 基于热带几何的卷积神经网络决策边界理论分析及其在图像分类鲁棒性增强中的应用

  本文聚焦于利用热带几何理论解析卷积神经网络（CNN）的决策边界特性。研究人员创新性地引入热带距离度量dtr和热带嵌入层，构建了热带卷积神经网络（TCNN）框架。通过理论证明，该研究揭示了TCNN的决策边界可由热带双曲面精确描述，其权重向量会收敛至各类别的热带费马-韦伯点。实验结果表明，该框架能有效提升图像分类任务中对输入扰动的鲁棒性，为理解深度学习模型的几何解释提供了新的数学工具。

  来源：Neural Networks

  时间：2026-01-24

• 旋转等变量子图神经网络：可训练压缩编码器与纠缠增强聚合的突破性研究

  本文推荐一种具有旋转等变性的量子图神经网络（REQGNN）创新架构。研究针对大规模图数据处理中量子比特资源需求高、现有量子图神经网络难以实现旋转等变性的核心难题，通过设计可训练压缩编码器和纠缠增强聚合机制，在保持图结构全局信息的同时显著降低量子资源消耗。实验表明该模型在四个图分类数据集上全面超越GIN、Gra+QSVM等基线模型，在PTC数据集上准确率优于当前最佳量子模型egoGQNN，回归任务中较经典EGNN和EquiformerV2展现优势，并将量子模型QGCNN的Cv任务MAE平均降低20%。该研究为对称性在量子图神经网络中的探索提供了新范式。

  来源：Neural Networks

  时间：2026-01-24

• 用于多标签图像分类的多模态特征对齐网络

  多标签图像分类，视觉特征冗余，图神经网络，语义增强交互，双向注意力融合，COCO数据集，VOC数据集，NUS-WIDE数据集，视觉语义对齐，Transformer架构

  来源：Neural Networks

  时间：2026-01-24

• CBAM-ST-GCN：一种基于强化学习（DRL）的增强型端到端视觉导航框架，适用于移动机器人

  视觉导航中的动态障碍物避让与高效训练策略研究，提出CBAM-ST-GCN框架，通过空间-时间卷积图网络增强动态障碍物特征提取，结合卷积块注意力机制提升视觉感知效率，并引入速度障碍法优化奖励函数，显著提高动态环境中的导航成功率与收敛速度。

  来源：Neural Networks

  时间：2026-01-24

• PHoM：通过高阶状态空间模型实现有效的全局锐化

  多光谱与全色图像融合中，现有Mamba模型受限于一阶状态空间映射，难以捕捉高阶光谱特征交互。本文提出PHoM框架，通过分拆、交互、聚合的三阶段结构实现高阶特征建模，同时引入跨模态PHoM增强模态间高阶关联，保持线性复杂度优势。实验表明在WV2、GF2、WV3数据集上显著优于SOTA方法。

  来源：Neural Networks

  时间：2026-01-24

• FluidFormer：一种结合连续卷积的Transformer模型，用于基于粒子的流体模拟

  本文提出基于半监督学习的多模态融合方法MMFormer，利用拓扑同调群思想增强模态间交互，解决高维多模态数据融合中的冗余和不完整问题，在三个基准数据集上验证其有效性并优于现有方法。

  来源：Neural Networks

  时间：2026-01-24

• 综述：RWP：一种用于稳定扩散模型中版权归属和保护的强大水印插件

  扩散模型商业应用中提出可逆加密水印插件RWP，通过嵌入用户与模型双重水印序列实现精准追踪，提升20-50%识别准确率且不影响图像质量，支持400+用户识别。

  来源：Neural Networks

  时间：2026-01-24

• 额叶白质高信号负荷预测血管性轻度认知障碍患者对N-乙酰半胱氨酸联合运动治疗的认知反应

  本研究针对血管性轻度认知障碍(vaMCI)患者，探讨额叶白质高信号(WMH)负荷如何预测N-乙酰半胱氨酸(NAC)联合运动治疗的认知改善效果。研究发现较低额叶WMH负荷的患者在3个月时Trail-Making Test B(TMT-B)表现改善更显著，提示额叶白质完整性可能影响抗氧化治疗的早期应答。该研究为vaMCI的个体化治疗提供了神经影像学生物标志物依据。

  来源：Neurobiology of Aging

  时间：2026-01-24

• UniSymNet：基于稀疏编码与双级优化的统一符号网络及其在符号回归中的创新应用

  本文提出了一种名为UniSymNet的统一符号网络，通过将二元非线性算子（×、÷）转化为嵌套一元算子（ln、exp），实现了符号网络结构的统一化。该研究结合理论证明和双级优化框架（外层采用稀疏标签编码的Transformer预训练指导结构选择，内层使用目标优化策略训练参数），在低维标准基准和高维SRBench上展现出优异的符号求解率、拟合精度和表达式简洁性，为数学表达式自动发现提供了新范式。

  来源：Neural Networks

  时间：2026-01-24

知名企业招聘：