• 一个通用的科学机器学习框架，用于预测水果和蔬菜的质量

  果蔬品质预测的第三种范式：科学机器学习（SciML）的整合框架与实践验证一、研究背景与核心问题全球每年约13亿吨果蔬在供应链中损耗，其中近30%的损失源于品质预测不足。传统知识驱动模型虽具有良好解释性，但难以整合动态环境因素；纯数据驱动模型（如神经网络）虽能捕捉非线性关系，却存在数据依赖性强、可解释性差的缺陷。如何有效融合两者优势成为学界关注焦点，由此催生了科学机器学习（SciML）这一新兴方法论。二、SciML框架的体系构建1. 模型类型学划分研究将SciML细化为三类：- 知识引导型网络（KgNN）：通过合成数据增强训练集，解决小样本问题- 知识约束型网络（KiNN）：将物理规律编码为损失

  来源：Postharvest Biology and Technology

  时间：2025-12-02

• 填补知识空白：通过人工智能驱动的方法解析阿尔茨海默病的生物学机制

  阿尔茨海默病研究中的AI reconcile框架：从碎片化数据到系统化理解的跨越（全文约2150词）一、研究背景与核心挑战阿尔茨海默病（AD）研究长期面临三大核心困境：首先，疾病机制存在显著碎片化特征，基因组学、蛋白质组学、影像学等不同维度研究得出的结论难以形成统一解释。其次，现有动物模型与临床实践存在严重脱节，超过99.6%的候选药物在动物实验中表现良好却无法通过人体临床试验。最后，数据整合的深度不足，尽管ADNI等大型研究已积累超过210亿美元的跨模态数据，但临床干预效果始终不显著。二、AI reconcile框架的理论基础1. 知识整合的三重维度- 空间维度：从细胞级（神经元、胶质细胞）

  来源：The Journal of Prevention of Alzheimer's Disease

  时间：2025-12-02

• WormTracer：一种利用时间连续性精确分析蠕虫姿态的方法

  在生物学和神经科学领域，对线虫（*Caenorhabditis elegans*）行为的精确量化是理解其运动机制和神经调控的重要基础。传统方法如图像二值化结合线性厚度模型（ellipse function）虽能处理简单姿态，但对复杂运动（如扭结、缠绕或头部剧烈摆动）存在显著局限性。为此，研究团队开发了WormTracer算法，通过动态分块优化和时空连续性约束，显著提升了复杂姿态下的中心线追踪精度。### 研究背景与挑战线虫作为模式生物，其完整神经连接图谱已建立，但行为分析仍面临技术瓶颈。现有方法依赖固定参数或预设的关节点（如DeepLabCut用于脊椎动物），但线虫缺乏明显关节，且运动时易出现

  来源：Journal of Neuroscience Methods

  时间：2025-12-02

• 利用迭代独立成分分析进行传播映射，以定位颞叶癫痫发作区域的起始位置

  全球约70%的癫痫患者面临药物难治性困境，这类患者需要通过手术精准定位癫痫起始区（SOZ）。传统定位方法存在明显局限性：视觉检查法易受电极密度限制，EEG源成像依赖线性传播模型假设，而高密度电极阵列又面临高昂成本和伦理问题。针对这些挑战，研究团队创新性地构建了基于迭代独立成分分析（ICA）的神经传播建模框架。在方法学层面，研究突破性地采用"假设-验证"的迭代架构。首先针对每个电极位置建立癫痫起源假设，随后通过ICA分解剩余电极的混合信号，筛选出与假设起源高度相关的传播模式。这种递归验证机制有效解决了传统方法中定位偏差累积问题。当检测到与假设起源不匹配的传播特征时，系统自动调整原假设并重新进行计

  来源：Journal of Neuroscience Methods

  时间：2025-12-02

• 基于整合组学数据分析的常见癫痫遗传风险因素识别

  该研究针对遗传性 generalized epilepsy（GGE）的复杂遗传机制展开系统性探索，整合了基因组关联分析（GWAS）、转录组关联分析（TWAS）及表观遗传学数据，通过多维度生物信息学方法揭示了癫痫发生的关键调控网络。研究团队开发了ME-MAGMA、E-MAGMA和H-MAGMA等新型分析框架，突破传统GWAS局限，从基因表达调控、表观遗传修饰及染色质互作等多层次解析癫痫遗传基础。在数据整合方面，研究采用国际抗癫痫联盟（ILAE）提供的第三版GWAS数据库（ILAE3），涵盖超过8万例病例和对照样本，并引入GGE特异性数据集。通过构建包含3.4亿SNP位点与1.8万基因/假基因的注

  来源：Epilepsia

  时间：2025-12-02

• 帕金森病患者在虚拟现实眼球运动任务下的脑功能活动：一项功能性近红外光谱研究

  帕金森病（PD）患者眼动行为特征与脑功能活动关联性研究一、研究背景与意义帕金森病作为常见的神经退行性疾病，除典型运动症状外，眼动功能异常已被证实与其病理进展密切相关。既往研究多聚焦于静态眼动参数测量，如注视持续时间、扫视速度等，但缺乏在动态虚拟场景中观察眼动行为的能力。本研究创新性地采用VR眼动任务与fNIRS脑功能成像技术联用，通过模拟真实世界的视觉追踪任务，揭示PD患者眼动异常的神经机制，为疾病早期诊断和个性化治疗提供新依据。二、研究设计与方法本研究采用病例对照设计，纳入PD患者27例与匹配健康人群29例。通过NirScan fNIRS设备监测脑区血氧变化，结合高精度VR眼动追踪系统采集行

  来源：Frontiers in Human Neuroscience

  时间：2025-12-02

• 使用BE FAST方法早期识别中风症状和风险因素：对高风险人群进行早期干预的好处

  本研究针对卒中高发人群，系统评估了BE FAST筛查工具的临床应用价值。该工具通过"平衡、视力、面部、手臂、言语、时间"六项核心指标构建的标准化筛查体系，在降低诊疗延误、改善治疗结局方面展现出显著优势。在研究设计上，采用回顾性队列研究模式，纳入2020-2023年间433例确诊急性脑卒中患者。通过1:1倾向得分匹配法消除基线差异，最终形成380例配对样本（BE FAST组190例，对照组190例）。匹配变量涵盖年龄、性别、卒中类型、血管危险因素、初始NIHSS评分等关键指标，确保组间可比性。核心发现显示BE FAST组在多个关键指标上优于对照组：就诊时间中位数缩短58%（82分钟vs141分钟

  来源：Frontiers in Neurology

  时间：2025-12-02

• “PICS”：一种用于丘脑手术干预的新颖患者特异性标志物，用于识别内囊后肢的信号特征

  来源：Frontiers in Human Neuroscience

  时间：2025-12-02

• 联合使用胞磷胆碱和脑蛋白水解物对创伤性脑损伤的神经保护作用：一项回顾性队列分析

  严重创伤性脑损伤（sTBI）作为全球性公共卫生问题，其治疗至今仍面临重大挑战。该研究聚焦于神经保护药物联合疗法对预后的影响，通过回顾性队列分析探讨两种药物协同作用的可能性。研究显示，尽管组合疗法在神经功能改善和生存率方面呈现趋势性优势，但受限于样本量较小和基线差异，未能达到统计学显著性。这一发现为神经修复药物的研发提供了新的思路，同时也揭示了现有研究的局限性。研究背景与理论框架sTBI引发的继发性损伤机制复杂，涉及神经炎症、氧化应激、兴奋性毒性等多重病理过程。现有研究证实，神经再生因子可通过调节细胞代谢、抑制炎症反应、促进轴突重塑等途径发挥保护作用。Citicoline作为磷脂合成前体物质，不

  来源：Frontiers in Neurology

  时间：2025-12-02

• 由脑顶叶卒中引起的急性前庭综合征：临床特征与网络代偿机制

  急性前庭综合征（AVS）是由多种原因引发的突发性眩晕或平衡障碍，既往研究多聚焦于后循环卒中引发的AVS。然而，近年来临床实践发现，部分AVS患者病灶位于前循环区域，其病理机制与症状表现存在复杂关联。一项针对13例前循环卒中合并AVS患者的系统性研究，通过整合神经耳鼻喉学、神经眼科检查与影像学分析，揭示了此类疾病的特征性表现及潜在机制。**临床特征与病灶分布** 研究团队对武汉某医院2021至2024年间收治的AVS患者进行前瞻性队列分析。最终纳入13例经DWI及ADC成像确认的前循环卒中病例，其中男性占比69.2%（9/13），女性30.8%（4/13），年龄跨度42-82岁。病灶分布呈现显

  来源：Frontiers in Neurology

  时间：2025-12-02

• 综述：神经内分泌对葡萄糖稳态的调控：从下丘脑到脑干的整合机制

  葡萄糖代谢的中枢调控机制及其在代谢疾病中的临床意义1. 葡萄糖代谢的核心地位与中枢调控的进化意义大脑作为人体能量代谢的核心枢纽，依赖葡萄糖作为其主要供能物质。这种依赖性不仅体现在神经元的持续活动需求上，更与全身代谢的协同调控密切相关。进化过程中形成的神经内分泌保护机制，通过实时调节摄食行为和能量分配，确保血糖水平维持在2.8-5.6 mmol/L的严格范围。值得注意的是，中枢神经系统并非被动接收代谢信号，而是通过多层级调控网络主动整合全身能量状态，这种从"被动调节"到"主动调控"的转变，为理解代谢疾病提供了全新视角。2. 下丘脑神经肽网络的双向调节机制下丘脑作为代谢调控的神经中枢，其核心功能单

  来源：Frontiers in Endocrinology

  时间：2025-12-02

• 综述：NMOSD和MOGAD中的脑萎缩：体积测量和DTI生物标志物的荟萃分析

  本研究通过系统性文献回顾和元分析，深入探讨了NMOSD（视神经脊髓炎谱系障碍）与MOGAD（抗髓鞘少突胶质细胞糖蛋白抗体相关疾病）患者的脑体积及白质微观结构变化，并与健康对照（HCs）进行对比。研究纳入61项符合标准的英文文献，涵盖1786例NMOSD患者、376例MOGAD患者和1936例HCs的数据，通过多组比较和敏感性分析验证了结果的稳健性。**背景与核心问题** NMOSD与MOGAD同属中枢神经系统脱髓鞘疾病，但两者的病理机制和临床进展存在显著差异。尽管脑萎缩是多名硬化症（MS）患者的典型特征，但既往研究对NMOSD患者脑体积变化的结论并不一致：约50%的文献显示患者脑体积与健康人

  来源：Frontiers in Neurology

  时间：2025-12-02

• 利用强化学习解决可扩展的多智能体路由问题

  摘要：多智能体路由问题源于实际应用，如物流、交通和应急响应等领域，随着问题规模的扩大，搜索空间呈指数级增长，这给问题解决带来了挑战。本文提出了RouteMaker来解决这一常被忽视的多智能体路由问题，该方案特别适用于涉及多个专用仓库的情况。RouteMaker利用基于角色交互的图神经网络（RIGNN）来实现有效的位置分配，并结合先进的规划算法为每个智能体规划出行路径。RouteMaker通过小规模问题的训练，能够产生与最佳启发式算法相当或更优的近似最优解。值得注意的是，该模型无需微调即可无缝扩展到大规模问题和实际场景中，从而在相对较短的时间内提供质量更高的解决方案。在涉及40个智能体和1000

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2025-12-02

• 学习更高效的SPD网络用于信号分类：一种黎曼批归一化方法

  摘要：对称正定（SPD）矩阵因其能够有效地编码流形值表示，在各种科学领域被广泛用作黎曼特征描述符。受到欧几里得深度学习架构原理的启发，新兴的SPD神经网络在信号分类方面取得了更显著的进展。其中，基于仿射不变黎曼度量（AIRM）的黎曼批量归一化（RBN）已成为提升基于SPD的网络学习能力的关键技术。然而，由于依赖于奇异值分解（SVD），这种度量在计算SPD矩阵时相对不稳定，尤其是在条件不良的情况下。为了解决这一限制，我们提出了一种基于新引入的对数乔列斯基度量（LCM）的RBN算法，该算法利用了乔列斯基分解。与AIRM不同，LCM具有更高的数值稳定性，并允许更高效的计算。具体来说，基于LCM的黎曼

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2025-12-02

• 从人与物体的交互中学习粒度感知的可供性，以实现基于工具的功能性灵巧抓取

  摘要：为了使机器人能够使用工具，第一步是教会它们使用灵巧的手势来精确地触碰执行任务的特定区域。物体的可供性特征在代理与物体之间的功能交互中起到了桥梁作用。然而，如何利用这些可供性线索来帮助机器人实现功能性工具抓取仍然是一个未解决的问题。为了解决这个问题，我们提出了一种具有粒度意识的可供性特征提取方法，用于定位功能性可供性区域并预测灵巧的粗略手势。我们研究了人类使用工具的内在机制。一方面，我们利用物体与手指接触区域的细粒度可供性特征来定位功能性可供性区域；另一方面，我们利用手与物体交互区域中高度激活的粗粒度可供性特征来预测抓取手势。此外，我们引入了一个基于模型的后处理模块，将可供性定位和手势预测

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2025-12-02

• 基于层次动态图卷积网络的可解释性模型，用于基于脑电图（EEG）的情感识别

  摘要：图卷积网络（GCNs）在基于脑电图（EEG）的情绪识别中表现出强大的能力，能够学习EEG通道之间的拓扑关系。然而，大多数现有的仅使用GCN的方法都采用单一的空间模式，缺乏对局部功能区域内部连接性的增强，并忽略了EEG原始数据的数据依赖性。在本文中，提出了一种分层动态GCN（HD-GCN），以探索EEG通道之间的动态多层次空间信息，并利用EEG信号的区分性特征作为辅助信息。具体来说，拓扑空间中的表示学习包括两个分支：一个用于提取全局动态信息，另一个用于探索局部功能区域中的增强信息。在每个分支中，都使用逐层邻接矩阵来增强GCN的表达能力。此外，还开发了一个数据依赖的辅助信息模块（AIM），以

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2025-12-02

• 基于知识引导的语义迁移网络在少样本图像识别中的应用

  摘要：基于深度学习的模型在许多计算机视觉任务中已经显示出比人类更强的性能，尤其是在有大量标注训练数据的情况下。然而，人类却能够通过浏览少数几个新类别的示例就轻松识别这些类别的图像。在这种情况下，少样本学习（few-shot learning）应运而生，使机器能够从极其有限的标注样本中学习。人类能够快速高效地学习新概念的一个可能原因是他们拥有丰富的视觉和语义先验知识。为此，本文提出了一种新的知识引导语义迁移网络（KSTNet），通过引入辅助先验知识，从补充的角度来实现少样本图像识别。该网络将视觉推理、知识迁移和分类器学习整合到一个统一的框架中，以实现最佳兼容性。我们开发了一个基于类别引导的视觉学

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2025-12-02

• 鲁棒且具有旋转等变性的对比学习

  摘要：对比学习（CL）方法通过学习各种变换下的不变表示取得了显著的成功。然而，旋转变换被认为对CL有害，因此很少被使用，这导致当物体呈现未见过的方向时，CL方法会失效。本文提出了一种表示焦点转移网络（RefosNet），它将旋转变换加入到CL方法中以提高表示的鲁棒性。首先，RefosNet构建了原始图像特征与旋转后图像特征之间的旋转等变映射。然后，RefosNet通过明确分离旋转不变特征和旋转等变特征来学习语义不变表示（SIRs）。此外，引入了一种自适应梯度钝化策略，逐步将表示焦点转移到不变表示上。这种策略可以防止旋转等变性的灾难性遗忘，有利于表示在已知和未见方向上的泛化。我们调整了基线方法（

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2025-12-02

• 从酪醇出发，通过一锅法仿生合成具有神经保护活性的pimeforazine A和B；这些荧光苯并噁嗪化合物来源于橄榄象甲（Pimelocerus perforatus）

  摘要 我们开发了一种简单的一锅法和仿生合成方法，用于制备从橄榄象甲 Pimelocerus perforatus 中分离出的具有神经保护活性的荧光苯并噁嗪类化合物 pimeforazine A 和 B。该合成方法利用商业可获得的 4-(2-羟乙基)苯酚（酪醇）与 2-碘氧苯甲酸（IBX）进行氧化反应，随后加入浓氨水。反应生成 pimeforazine A 和 B 的比例为 3.4:1，这与天然产物中的比例一致。这种方法为从橄榄象甲中提取这些化合物提供了一种实用且高效的方法。

  来源：Bioscience, Biotechnology, and Biochemistry

  时间：2025-12-02

• 糖尿病相关的代谢功能障碍与阿尔茨海默病小鼠模型中的特定tau蛋白磷酸化模式、神经炎症和认知障碍有关

  阿尔茨海默病与代谢紊乱的协同致病机制研究进展（摘要部分）近期一项由西班牙加的斯大学医学院科研团队主导的研究，通过构建多组学整合分析模型，首次系统揭示了糖尿病前驱期、1型糖尿病和2型糖尿病三种代谢异常状态与阿尔茨海默病的交互作用机制。该研究采用APP/PS1转基因小鼠模型模拟早期阿尔茨海默病病理特征，同时引入db/db糖尿病小鼠和预糖尿病模型，构建四组对照实验体系：单纯AD组、AD-T1D组、AD-T2D组及AD-三联代谢紊乱组。实验周期设定在26周龄，此时转基因小鼠已形成稳定的tau病理沉积，同时糖尿病模型小鼠也表现出成熟的代谢异常特征。研究采用多维度评估体系，包括：1. 代谢指标检测：血糖、

  来源：Brain Behavior and Immunity Integrative

  时间：2025-12-02

知名企业招聘：