• 孕期母体碳水化合物质量与子代早期神经发育的关联：一项前瞻性队列研究

  生命最初的1000天被认为是大脑发育的黄金窗口期，而孕期作为这一关键阶段的起点，母体营养状况对胎儿神经发育有着深远影响。尽管蛋白质、脂肪酸和微量元素等营养素的作用已被广泛认识，但作为人体主要能量来源的碳水化合物，其摄入质量和数量对子代神经发育的影响却鲜有关注。碳水化合物占均衡饮食总能量摄入的一半以上，葡萄糖更是大脑信号传递、结构发育和重塑过程中不可或缺的底物。在成人研究中，碳水化合物的质量已被证明对认知健康具有双重影响：富含全谷物、豆类和水果等未加工碳水化合物有助于降低认知障碍风险，而高精制谷物和添加糖的饮食则会加速认知衰退。这是否意味着孕期母体摄入的碳水化合物质量同样会塑造子代早期的神经发育

  来源：EUROPEAN JOURNAL OF NUTRITION

  时间：2025-12-02

• 细胞与基因疗法领域交易新趋势：体内CAR-T与AAV靶向递送技术引领突破

  在细胞与基因疗法领域，过去一年可谓冰火交织。一方面，武田、诺和诺德等药企巨头缩减细胞疗法布局，Sarepta公司杜氏肌营养不良基因疗法Elevidys（地兰地基因马帕罗韦）的安全性争议再次引发对腺相关病毒（AAV）载体毒性的担忧，授权合作交易量与总额持续下滑。但另一方面，并购交易额却逆势攀升至2020年以来最高点，显示出资本正精准涌向特定技术突破口。这一冷热反差背后，是行业对现有疗法痛点的突围。以CAR-T（嵌合抗原受体T细胞）疗法为例，尽管已在血液肿瘤展现卓越疗效，但其个体化制备流程复杂、耗时昂贵，且患者需经历淋巴细胞清除化疗，限制了更广泛应用。而AAV基因疗法虽已获批，但肝毒性等问题及难以

  来源：Biopharma Dealmakers

  时间：2025-12-02

• 首创视网膜祖细胞疗法jCell为遗传性视网膜色素变性患者带来光明新希望

  在全球范围内，有超过150万人正经历着逐渐失去光明的痛苦——这种名为视网膜色素变性（Retinitis Pigmentosa，RP）的遗传性眼病，如同一个无声的窃贼，悄悄夺走患者的视力。作为导致遗传性失明的主要原因，RP与80多种基因突变相关，但令人遗憾的是，目前基因疗法仅能覆盖不到1%的特定基因突变患者，这意味着99%的RP患者仍然面临着无药可医的困境。更令人心痛的是，RP通常在儿童和青少年时期就被确诊，并在患者步入成年早期时导致法定失明。jCyte公司联合创始人兼董事长Henry Klassen医生坦言：“这是一种毁灭性的疾病。”作为一位受过专业训练的眼科医生，Klassen在职业生涯中遇

  来源：Biopharma Dealmakers

  时间：2025-12-02

• 剖宫产术后急性疼痛的强度与管理：一项队列多中心研究

  摘要 背景 尽管剖宫产手术非常普遍，且可能对患者及其新生儿造成严重后果，但关于剖宫产后慢性术后疼痛（CPSP）的研究仍然很少。我们对一个大型多中心队列的数据进行了前瞻性评估，以计算其患病率、描述其特征、相关风险因素，并测量其对患者生活质量及日常功能的影响。 方法 这是一项

  来源：European Journal of Pain

  时间：2025-12-02

• HO-1富集的肺源性外泌体在COPD急性加重的小鼠模型中介导认知功能障碍

  本研究聚焦慢性阻塞性肺疾病（COPD）加重小鼠模型中血红素氧合酶-1（HO-1）对认知功能的影响机制，重点揭示肺源性外泌体（Exos）在肺-脑轴信号传导中的作用。研究通过构建HO-1基因敲除与野生型小鼠对照的双盲实验模型，结合Morris水迷宫行为学评估与多组学检测技术，系统解析了HO-1外泌体介导的神经毒性传导通路。### 一、研究背景与核心问题COPD作为全球第四大死因，除典型肺组织损伤外，其伴随的认知功能下降（即肺性精神障碍）已成为亟待解决的难题。流行病学数据显示，COPD患者认知障碍患病率高达61%，是同龄健康人群的5倍以上。现有研究多聚焦于缺氧、炎症因子等直接病理因素，但忽略了肺-脑

  来源：Canadian Respiratory Journal

  时间：2025-12-02

• 阿尔茨海默病及其他混合病理作为导致致命低温的隐匿因素：一项基于大规模法医尸检的研究

  该研究系统分析了2054例尸检病例中致命低温症患者的神经病理学特征，发现神经退行性疾病（NDDs）与低温症存在显著关联，尤其是阿尔茨海默病（AD）的高发率及多疾病共存现象。以下为研究核心发现解读：### 一、流行病学特征与临床关联1. **人群分布**：致命低温症患者中80%为65岁以上老年人（135/168例），女性平均年龄（77.9岁）显著高于男性（70.9岁），且女性更多因自杀（23%）暴露于低温环境，男性则更多因事故（78%）和醉酒相关疾病（6%）导致低温症。2. **环境暴露差异**：72%的低温症发生在外部环境，且户外死者中认知障碍（CI）发生率（44%）显著高于室内（28%），可

  来源：Brain Pathology

  时间：2025-12-02

• 利用InSar与UAV LiDAR点云耦合技术实现滑坡裂缝自动提取的算法

  ### 自动滑坡裂缝提取算法：InSAR与UAV LiDAR点云协同技术解析#### 1. 研究背景与问题提出滑坡裂缝作为滑坡活动的重要前兆，其识别对灾害预警和稳定性评估至关重要。然而，传统方法存在三大痛点： 50%）和地形起伏导致裂缝形态隐匿，传统人工监测效率低且误差大； - **多源数据融合不足**：现有方法多依赖单一数据源（如光学影像或单一遥感数据），难以兼顾宏观变形与微观形态特征； - **算法泛化性差**：现有模型在植被动态变化、地质结构差异场景中性能显著下降。 该研究提出“宏观变形引导+微观点云精提”的协同框架，通过InSAR与UAV LiDAR技术互补，解决上述问题。其核

  来源：Frontiers in Earth Science

  时间：2025-12-02

• 从相似性到概念性：象形表音的汉字如何帮助5至10岁的儿童进行归纳推理

  本研究聚焦于5至10岁中国儿童通过汉字部首进行归纳推理的能力发展，通过三个实验系统探究了语义标签的提示强度与年龄对儿童分类策略的影响。研究发现，儿童在缺乏外部提示时更依赖语音相似性，但随年龄增长逐渐转向语义类属判断，这一转变在7至8岁达到关键转折点。外部提示的引入能显著促进低龄儿童对语义标签的利用，且不同提示强度下儿童的认知策略存在动态调整。**核心发现解析** 实验一采用无提示条件，结果显示5-6岁儿童偏好语音相似性（TSPR条件选择率55.4%），而9-10岁儿童更倾向语义类属判断（SRSC条件达48.6%）。值得注意的是，即便在无任何提示的情况下，9-10岁儿童对语义标签的利用率仍比5

  来源：Frontiers in Psychology

  时间：2025-12-02

• 启发式弱监督3D人体姿态估计：基于深度相机的新型迁移学习框架

  在当今计算机视觉领域，从二维图像中准确估计三维人体姿态一直是一个充满挑战的研究方向。虽然目前存在大量包含运动捕捉三维姿态数据与二维图像配对的大型通用数据集，但在许多实际应用场景中——如医院病房的患者行为监测或婴儿床活动监控——收集额外的运动捕捉数据几乎不可能。这种数据限制使得传统的微调迁移学习方法难以适用，因为运动捕捉需要专用标记、多摄像头系统和受控环境，成本高昂且操作复杂。这一挑战在医疗监测等领域尤为突出。如图1所示，现有最先进的3D人体姿态和形状估计模型在卧床姿势估计任务中表现不佳，特别是在侧视角度下，预测结果与真实人体姿态存在明显偏差。当患者被被子覆盖或肢体相互遮挡时，问题更加严重。这凸

  来源：Computational Visual Media

  时间：2025-12-02

• 高斯加符号距离场SLAM：150+帧率的高保真3D重建新突破

  在计算机视觉领域，实时高保真3D重建一直是研究者们追逐的圣杯。近年来，基于高斯分布的SLAM方法虽然能够从RGB-D数据中实现照片级真实感重建，但其计算性能却成为制约发展的关键瓶颈。最新技术如RTG-SLAM仅能达到17帧/秒的运行速度，远落后于基于几何的传统方法如KinectFusion（数百帧/秒）。这种局限性源于沉重的计算负担：场景建模需要大量高斯元和复杂的迭代优化来拟合RGB-D数据；而高斯元数量或优化迭代次数不足又会导致严重的质量下降。面对这一挑战，浙江大学的研究团队在《Computational Visual Media》上发表了创新性研究成果，提出了名为高斯加符号距离场（Gaus

  来源：Computational Visual Media

  时间：2025-12-02

• 基于狄利克雷过程混合模型的非参数点击建模及其在信息检索中的应用

  在当今信息爆炸的时代，搜索引擎已经成为人们获取信息的重要工具。然而，用户点击行为背后隐藏的复杂模式一直是信息检索领域的研究难点。传统点击模型通常假设用户行为是单一的、固定的，但现实中不同用户在不同情境下的点击模式存在显著差异。这种用户行为的异质性使得传统模型难以准确捕捉真实的点击规律，从而影响了排序算法的效果。针对这一挑战，SRM科学技术研究所的Amala K J和Rajeshwari D在《IEEE Access》上发表了一项创新性研究，提出了一种基于狄利克雷过程混合模型(Dirichlet Process Mixture Model, DPMM)的非参数点击建模方法。该方法突破了传统模型需

  来源：IEEE Access

  时间：2025-12-02

• 基于压电声学传感的键盘输入窃取威胁：一种新型深度学习攻击方法及其安全风险评估

  在数字化时代，键盘作为人机交互最普遍的接口，经常处理包含敏感信息的输入，如个人数据和密码。随着人工智能技术的飞速发展，基于键盘敲击产生的声音和振动进行击键估计的声学传感技术，正成为一种新的安全威胁。传统攻击方法通常利用智能手机等设备中的常规麦克风，而近年来，压电麦克风作为一种接触式麦克风，在声学传感中的应用日益广泛。由于其体积小、成本低且隐蔽性高，压电麦克风在击键窃听方面可能构成显著风险。为了揭示这种新型攻击的潜在威胁，日本东京科学大学的研究团队在《IEEE Access》上发表了题为"Keystroke Estimation via Piezoelectric Acoustic Sensin

  来源：IEEE Access

  时间：2025-12-02

• 基于PIN稀疏量化索引调制与自适应索引置换的双重锁定AI模型保护方法

  随着人工智能（AI）技术在工业界的广泛应用，训练高性能神经网络（NN）所需的高昂成本与模型易被盗用的矛盾日益凸显。尽管多媒体内容保护领域已发展出成熟的水印技术，但AI模型保护面临独特挑战：其核心参数（权重和偏置）的微小改动可能导致准确性急剧下降，而行业应用对精度要求极高。现有保护方法如联邦学习侧重于分布式训练过程中的隐私保护，加密计算虽能实现密文推理但难以支持复杂深度学习，传统水印技术则易遭模型剪枝等攻击。如何在不影响性能的前提下实现模型可用性控制和所有权追溯，成为亟待解决的关键问题。针对这一难题，Iva Vasic等人在《IEEE Transactions on Artificial Int

  来源：IEEE Transactions on Artificial Intelligence

  时间：2025-12-02

• 基于Gemmini的高性能矩阵乘法加速器，用于深度学习工作负载

  摘要：由于Transformer模型能够捕捉特征之间的关系，从而在计算机视觉应用中获得了广泛关注，其性能得到了显著提升。此外，深度神经网络（DNN）也因其在多个领域的卓越性能和适用性（包括图像分类、检测和识别）而受到深入研究。矩阵乘法是Transformer和DNN中的关键操作，诸如权重固定（WS）和输出固定（OS）等计算方式被认为是满足数据流约束的有效手段。本文提出了一种基于脉动阵列（SA）的通用矩阵乘法（GEMM）架构，用于Gemmini加速器，以实现神经网络中的卷积运算和Transformer中的自注意力机制。首先，本文通过集成一种新型乘法器，设计了一种优化后的SA（MOSA）。该乘法器

  来源：IEEE Transactions on Very Large Scale Integration (VLSI) Systems

  时间：2025-12-02

• NeRF-Navi：一种能效高的NeRF 3D路径规划处理器，具备可重构的近似/精确位卸载核心

  摘要：隐式神经表示（INR）通过神经网络连续编码三维空间。神经辐射场（NeRF）作为一种INR，实现了98.6%的高路径规划成功率。它利用了NeRF的连续空间表示能力。然而，在边缘设备上加速NeRF路径规划会因计算负荷过大而受到限制。在本文中，我们提出了NeRF-Navi，这是一种精确且节能的三维NeRF路径规划处理器，具有三个关键特性：1) 双注意力神经路径采样（DANPS）引擎使用地图和碰撞注意力来减少冗余批处理的数量，从而节省了96.2%的系统能量；2) 近似精确（A2）核心结合误差补偿缩减树（ECRT），引入了三种近似计算模式，精度损失小于1.6%；位稀疏性增强逻辑（BSBL）提高了位

  来源：IEEE Journal of Solid-State Circuits

  时间：2025-12-02

• 数据科学与神经技术驱动的脑科学发现加速：信号处理新方法与应用前沿

  随着神经成像技术的飞速发展，科研人员面临着海量、高维、多模态脑数据带来的分析挑战。传统分析方法难以有效捕捉大脑网络的动态复杂性，特别是在理解脑功能连接、疾病相关模式以及个体差异化特征方面存在明显局限。这种数据复杂性与方法学瓶颈严重制约了脑科学领域的突破性进展，促使研究者寻求更先进的计算模型和跨学科合作路径。在此背景下，IEEE信号处理杂志推出本期特辑，旨在展示如何通过数据科学与神经技术的深度融合，加速脑科学发现进程。为系统应对上述挑战，本辑收录的七项研究主要采用了以下几类关键技术方法：基于张量分解的多模态神经影像数据融合技术（如PARAFAC2、耦合矩阵/张量分解）；图信号处理（GSP）框架下

  来源：IEEE Signal Processing Magazine

  时间：2025-12-02

• 面向多模态神经影像数据解析的张量耦合分解方法：可解释模式发现与应用前景

  在神经科学研究快速发展的今天，多模态功能神经影像技术的进步为揭示大脑奥秘提供了前所未有的机遇。功能磁共振成像（fMRI）、脑电图（EEG）和脑磁图（MEG）等技术的融合，产生了海量且复杂的高维数据集，这些数据天然具有多路（multivay）结构特征。然而，传统分析方法在处理此类具有张量（tensor）结构的数据时面临严峻挑战——如何从复杂的多维信号中提取具有生物学意义的可解释模式，成为制约脑科学研究深入发展的关键瓶颈。当前神经影像数据分析领域存在几个突出问题：首先，多数研究方法局限于单一模态数据的分析，难以充分利用多模态数据提供的互补信息；其次，现有算法往往缺乏对数据内在结构的有效建模，导致提

  来源：IEEE Signal Processing Magazine

  时间：2025-12-02

• 基于虚拟现实GO/NOGO任务结合脑电的多模式干扰对注意力调控机制的评估研究

  在认知神经科学领域，GO/NOGO任务长期以来被视为评估个体注意力和反应抑制能力的经典范式。受试者需要在频繁出现的"GO"刺激时快速反应，而对罕见的"NOGO"刺激则需抑制本能反应。这种任务能有效捕捉到注意力缺陷多动障碍(ADHD)等疾病患者的认知功能障碍特征。然而传统实验室环境下的GO/NOGO任务存在明显局限——它通常在高度控制的条件下进行，无法模拟日常生活中无处不在的意外干扰因素。这种"纯净"的测试环境虽然保证了实验的内部效度，却削弱了其生态效度，难以反映真实世界中注意力系统面临的挑战。虚拟现实(VR)技术的兴起为这一困境提供了突破性解决方案。通过构建沉浸式虚拟环境，研究人员能够在确保安

  来源：IEEE Journal of Selected Areas in Sensors

  时间：2025-12-02

• 利用机器学习对HPR1000核反应堆一次回路热腿中热电阻管套的测量过程进行建模

  摘要：目前，核电站一次回路热腿温度的评估依赖于保守的不确定性量化方法，这种做法由于对过程测量不确定性的重视不足，阻碍了运营优化。为了解决这一问题，我们使用卷积神经网络（CNN）建模方法开发了一个用于HPR1000热电阻管座温度测量的模型，并采用了包含物理信息的损失函数和动态时间因子（DTF-CNN-PINN）。通过对福清5号机组运行数据的验证，结果表明：1) 在动态热水力条件下具有高保真度的时间一致性；2) 温度场重建的均方误差为0.0076；3) 与计算流体动力学（CFD）基准相比，准确度提高了

  来源：IEEE Transactions on Nuclear Science

  时间：2025-12-02

• 日韩合作NTP Lite项目：射频辐射暴露毒理研究的新进展与挑战

  随着无线通信技术的飞速发展，射频(Radio Frequency, RF)辐射对人体健康的潜在影响已成为全球关注的焦点。2018年，美国国家毒理学计划(National Toxicology Program, NTP)发布了一项里程碑式的研究结果，显示终生暴露于低水平RF辐射的实验大鼠出现了两种癌症：脑部神经胶质瘤(gliomas)和心脏神经鞘瘤(schwannomas)。这一发现很快得到了意大利Ramazzini研究所的独立验证，将RF辐射的致癌性问题推向了科学争论的风口浪尖。然而，科学争议远未平息。现有的国际非电离辐射防护委员会(International Commission on No

  来源：IEEE Microwave Magazine

  时间：2025-12-02

知名企业招聘：