• 多厂商3T磁共振瞬态弛豫定量技术的重复性与再现性评估：体模与人脑研究

  在磁共振成像(MRI)领域，定量弛豫测量技术能够提供组织T1和T2弛豫时间的精确量化，这些生物标志物与脑组织完整性、髓鞘含量和铁负载等临床相关指标密切相关。然而，传统的金标准弛豫测量方法需要漫长的扫描时间，无法满足临床实践需求。虽然临床上可行的替代方法如DESPOT(驱动平衡单脉冲观察T1/T2)已经出现，但这些方法通常需要采集多个序列并进行配准，且容易受到B1+和B0场不均匀性、扩散效应和磁化转移(MT)效应等混杂因素的严重影响。近十年来，磁共振指纹技术(MRF)等新兴方法为缓解这些问题提供了新思路。MRF依赖于采集参数的连续变化（如翻转角和重复时间TR）来维持信号处于瞬态状态，从而实现对多

  来源：NeuroImage

  时间：2025-09-19

• 运动-认知老化：初级运动皮层及其通路的角色与机制研究

  随着年龄增长，运动功能和认知能力逐渐下降已成为老年人群生活质量和独立性的重要挑战。这种运动与认知的双重衰退往往并存，但其背后的神经机制尚未明确。以往研究多聚焦于大脑记忆相关区域的老化，而对运动系统，特别是初级运动皮层（primary motor cortex, M1）及其连接的白质通路在衰老过程中的变化关注较少。M1作为执行自主运动的关键脑区，不仅通过皮质脊髓束（corticospinal tract, CST）直接控制脊髓运动神经元，还通过发出侧支投射至同侧纹状体形成皮质纹状体束（corticostriatal tract, CStrT），这一通路可能在与基底节互动的运动计划和认知控制中发挥

  来源：NeuroImage

  时间：2025-09-19

• 探索灰质微观结构对R1对比度的贡献：基于多室扩散模型的健康大脑研究

  大脑灰质的微观结构复杂性一直是神经影像学研究的重要课题。传统MRI技术虽然能够提供大脑结构的宏观信息，但对微观尺度的组织特性探测有限。特别是灰质中的细胞结构特征如何影响磁共振成像对比度，尤其是纵向弛豫率R1（等于1/T1）的对比机制，仍需要深入探索。R1对比度传统上被认为与髓鞘含量密切相关，但灰质中除了髓鞘化轴突外，还包含大量神经元胞体、树突和胶质细胞，这些微观结构成分对R1对比度的具体贡献尚不明确。为了解决这一问题，研究人员在《NeuroImage》上发表了一项创新性研究，采用Soma And Neurite Density Imaging (SANDI)这一多室扩散模型，结合定量R1 ma

  来源：NeuroImage

  时间：2025-09-19

• 基于基因编辑启发的多阶段交互网络MINIGE-MNER：提升多模态命名实体识别性能

  Highlight本研究创新性地提出了一种基于基因编辑启发的多阶段交互网络方法（MINIGE-MNER）。据我们所知，这是基因编辑理论首次应用于MNER任务，为多模态可解释性研究开辟了新视角。基因敲除模块基于变分信息瓶颈（Variational Information Bottleneck）技术构建，有效实现了模态噪声的平衡过滤。基因重组位点确定模块通过最大化去噪后跨模态表征间的互信息（Mutual Information），避免噪声干扰导致的语义失配，实现细粒度精准语义对齐。文本引导的基因重组模块在保留文本独特上下文信息作为语义核心的同时，避免无关视觉噪声，从而实现有效的跨模态融合。实验结果

  来源：Neural Networks

  时间：2025-09-19

• 综述：FKBP5/FKBP51介导的信号通路在神经精神疾病中的作用：生物标志物开发与靶向治疗的见解

  Abstract自然暴露对心理健康的益处已得到广泛证实。然而，单纯观看自然图像是否能产生类似的恢复效应及其涉及的大脑机制仍不清楚。为此研究，我们招募了131名健康大学生，并将其随机分配到自然图像观看组（NG）或城市图像观看组（CG），并进一步选择了49名参与者（NG=26，CG=23）在执行行为任务时接受功能性磁共振成像（fMRI）扫描。首先，我们比较了在应激诱导和图像观看后，NG和CG在情感和压力相关的主观评分和唾液皮质醇水平的变化。接下来，我们检查了在图像观看期间，两组之间默认模式网络（DMN）的功能连接（FC）模式的差异。最后，我们探讨了观看自然图像后观察到的恢复效应与FC改变之间的相关

  来源：Neurobiology of Stress

  时间：2025-09-19

• 自然图像视觉暴露通过调节默认模式网络(DMN)功能连接促进应激后情绪恢复的神经机制

  随着城市化进程加速，现代人面临着日益增长的心理压力。长期处于高压环境不仅会导致焦虑、抑郁等情绪障碍，还与默认模式网络(DMN)的功能异常密切相关。虽然已有研究表明接触自然环境有助于缓解压力，但在高楼林立的城市中，人们往往难以频繁接触真实自然。那么，通过观看自然图像这种便捷方式能否产生类似的 restorative effects（恢复效果）？其背后的神经机制又是如何？这些问题的解答对开发可行的城市心理健康干预方案具有重要意义。近日发表在《Neurobiology of Stress》的一项研究，通过严谨的行为实验与功能磁共振成像(fMRI)技术，揭示了观看自然图像促进压力恢复的神经机制。研究人

  来源：Neurobiology of Stress

  时间：2025-09-19

• 默认模式网络连接通过自然观察增强应激恢复的神经机制及其在情绪调节中的作用

  随着城市化进程加速，城市生活压力不断增大，人们长期处于高压环境中可能导致心理健康问题。研究表明，情绪和焦虑障碍在城市中心更为普遍，且发病率持续上升。面对这一现状，自然环境的恢复效益被强调为减轻压力对人类认知和情绪影响的重要手段。大量研究证实，接触自然环境可以改善心理健康，例如在绿色空间散步与抑郁情绪改善相关，而沉浸于森林环境则能显著减轻抑郁和焦虑症状。然而，城市化导致自然环境的丧失和自然资源的枯竭，如果能够找到比远足和散步更便捷的接触自然的方式，将大大扩展心理健康改善的机会。近年来，许多研究开始关注通过观看图像或视频以及使用虚拟现实技术间接接触自然的效果。多项研究表明，通过观看自然环境的图像对

  来源：Neurobiology of Stress

  时间：2025-09-19

• 观看自然图像通过默认模式网络（DMN）子系统功能连接促进压力恢复的神经机制研究

  随着城市化进程加速，城市生活压力日益加剧，焦虑和情绪障碍的发病率持续上升。长时间暴露在高压力环境中会对心理健康产生负面影响，而自然环境的恢复性效益被广泛认为是缓解压力的有效方式。然而，现代人接触真实自然环境的机会有限，能否通过间接方式（如观看自然图像）获得类似的恢复效果，其背后的神经机制尚不明确。此外，压力反应与大脑网络的功能活动密切相关，尤其是默认模式网络（DMN）在情绪调节、自我参照思维和注意力分配中扮演关键角色，但DMN子系统在自然观看过程中的具体作用仍有待深入探索。为此，研究人员在《Neurobiology of Stress》发表了一项研究，旨在探讨观看自然图像是否能够促进压力恢复，

  来源：Neurobiology of Stress

  时间：2025-09-19

• 虚拟压力测试：基于TSST-VR分析自然图像观看对内分泌、代谢、心血管及心理反应的恢复作用及其默认模式网络机制

  随着城市化进程不断加快，城市居民面临的压力日益增大，长期处于高压环境容易引发焦虑、抑郁等心理健康问题。已有大量研究表明，接触自然环境能够有效缓解压力、改善情绪状态，例如在绿色空间中散步或沉浸于森林环境可以显著减轻抑郁和焦虑症状。然而，由于自然环境的稀缺性和可达性限制，并非每个人都能方便地获得这种“自然疗愈”体验。那么，能否通过更便捷的方式——比如仅仅观看自然图像——来达到类似的恢复效果呢？这一问题不仅具有重要的现实意义，也为探索人脑与自然交互的神经机制提供了新的研究方向。在这一背景下，研究人员在《Neurobiology of Stress》发表了一项研究，旨在通过虚拟压力测试和脑成像技术，系

  来源：Neurobiology of Stress

  时间：2025-09-19

• 基于各向异性自组织神经网络推断隐藏共同驱动动力学的创新方法

  在复杂系统的科学研究中，准确识别变量间的因果关系始终是核心挑战。尤其当存在未被观测的隐藏共同驱动因素时，传统因果发现方法极易产生假阳性结果。这些隐藏的混淆变量不仅可能导致错误的直接因果连接判断，还因其影响可能非线性且非瞬时，使得问题更加棘手。尽管已有诸如收敛交叉映射（CCM）和维度因果性（DC）分析等方法尝试基于动力系统理论解决此问题，但它们大多局限于检测隐藏驱动的存在与否，而非直接重构其动态时间序列。为此，研究人员在《Neural Networks》上发表了最新研究成果，引入了一种名为各向异性自组织映射（Anisotropic Self-Organizing Map, ASOM）的新型神经网

  来源：Neural Networks

  时间：2025-09-19

• 概率布尔控制网络（PBCNs）的局部稳定化与状态翻转控制设计：基于吸引域的最大化分析

  Highlights•(i) 通过构建一系列可达集，我们分别确定了概率布尔控制网络（PBCNs）局部有限时间状态反馈稳定（FTSFS）和局部分布状态反馈稳定（SFSD）的最大吸引域。与先前仅适用于验证PBCNs全局稳定性的研究（如Li等人(2014)和Zhou等人(2020)的工作）相比，我们的新成果可用于研究无法实现全局稳定的PBCNs，因此具有更重要的实际意义。•(ii) 当PBCNs无法实现全局FTSFS或SFSD时，我们设计了状态翻转控制策略，通过最大吸引域来实现全局的FTSFS或SFSD。与翻转所有初始状态的方法（如Chen等人(2020b); Liu等人(2023); Zhang等

  来源：Neural Networks

  时间：2025-09-19

• DGSSA：融合结构与风格增强的视网膜血管分割领域泛化新策略

  1研究亮点2• 首次将结构增强与风格增强技术创新融合，提出适用于眼底视网膜分割的领域泛化（DG）框架，显著提升模型跨域泛化能力• 采用空间殖民算法生成高度仿真的血管样结构，通过配备多尺度判别器的增强型Pix2Pix模型生成具有复杂血管模式的视网膜图像，有效拓宽模型对血管结构分布的认知• 利用PixMix进行随机光度增强并引入不确定性扰动，全面提升眼底图像风格多样性，增强模型在不同成像条件下的适应性• 在四大挑战性数据集（DRIVE/CHASEDB1/HRF/STARE）实现最先进（SOTA）性能，DSC值分别达78.45%、78.62%、72.66%和82.17%3视网膜血管分割4早期研究主要

  来源：Neural Networks

  时间：2025-09-19

• 基于特定类别专家知识蒸馏的长尾识别模型（EKDSC）提升头尾类性能平衡研究

  Highlight我们强调本文方法与其他专家方法的本质区别：部分方法侧重于挖掘多专家间的多样性与互补性，而我们的方法核心在于抑制专家间的相互干扰。为获得这些类别特异性专家教师模型，我们采用两大核心策略：（1）通过主项优化过程逐级训练各专家，使其专注学习特定类别的数据分布；（2）通过干扰项抑制机制降低无关类别对每个类别特异性专家学习的干扰。Expert Knowledge Distillation for Specific Categories本节提出基于特定类别专家知识蒸馏的长尾数据识别框架（如图2所示）。基线网络采用CeiT架构，包含特征提取器F(θf)和分类器W(θw)。与原本针对平衡数据

  来源：Neural Networks

  时间：2025-09-19

• MAN-GNN：面向神经发育障碍的可解释影像生物标志物架构——基于非线性神经动力学与跨站点对抗学习的新范式

  Highlight本研究提出了一种名为多站点自适应神经动力学图神经网络（MAN-GNN）的新型框架，旨在利用功能磁共振成像（fMRI）数据增强与疾病相关脑区的关联性。其主要创新点包括：•Rössler神经动力学建模：通过Rössler系统生成混沌信号模拟大脑动力学状态，并以动态权重与原始fMRI信号融合，增强脑功能连接的非线性特征。•局部至全局图网络（L2G-Net）：从时间、空间和强度三个维度建模脑功能连接。首先通过动态邻接矩阵刻画脑区（ROI）间的局部交互模式；随后引入非线性变换与残差连接以挖掘全局功能模式；最后通过动态序列池化机制高效提取关键时序特征，显著提升时空建模效率。•动态对比梯度

  来源：Neural Networks

  时间：2025-09-19

• 星形胶质细胞-神经元网络的生物合理性建模：随机与枢纽驱动连接下的动态机制与功能影响

  在大脑神经网络的结构与动力学研究中，一个长期被忽视的方面是胶质细胞的作用。尽管胶质细胞占据哺乳动物大脑细胞的一半以上，但在神经系统的信号传递和信息处理研究中，它们往往被忽略，这源于长期以来以神经元为中心的大脑功能观点。近年来，越来越多的研究开始强调胶质细胞，特别是星形胶质细胞（astrocyte），在突触调控、记忆形成和神经同步化等方面的重要作用，这些功能远超出其原有的结构支持角色。因此，理论模型开始纳入星形胶质细胞，以更好地理解其功能影响。此外，神经元-神经元、星形胶质细胞-神经元以及星形胶质细胞-星形胶质细胞连接的结构组织在网络动力学中扮演着关键角色。在此背景下，Stimberg等人最近发

  来源：Neural Networks

  时间：2025-09-19

• 基于单稳态多谐振荡器定时神经元的网络训练方法及其在神经形态计算中的应用

  章节精选基本MMV操作机制图1展示了抽象非重触发单稳态多谐振荡器（MMV）的运行原理与符号表示。MMV具有两种状态：空闲（idle）与触发（triggered），仅包含两个数字输入——兴奋性（EXC）与抑制性（INH）。处于空闲状态时，兴奋性输入事件①会触发MMV，经过时间间隔T后返回空闲状态并发射脉冲②（状态转换中的向下箭头表示脉冲发射）。若在输入触发③后出现新的兴奋事件……研究方法我们的训练算法结合了反向传播与替代梯度（surrogate gradients）、渐进连接二值化及周期舍入技术，可借助PyTorch等自动微分框架实现。目标是对图3所示MMV网络进行训练，需解决三大问题：A) 建

  来源：Neural Networks

  时间：2025-09-19

• 图Transformer在解决图问题中的理论表达能力研究：从分布式计算Congested Clique模型到图灵通用性

  近年来，随着自然语言处理和计算机视觉领域Transformer架构的巨大成功，研究者开始将其推广至图结构数据，形成了图Transformer（Graph Transformers）。相比传统的消息传递图神经网络（MPNNs），图Transformer允许节点与图中所有其他节点直接通信，而不仅限于邻居节点，从而具备捕获长程交互的潜力。然而，尽管MPNNs的表达能力已得到深入研究（其表达能力上限为Weisfeiler-Lehman算法），图Transformer的理论基础仍相对薄弱，尤其是在不依赖额外结构编码的情况下，其本质表达能力尚不明确。这一局限性阻碍了图Transformer在生物信息学、化

  来源：Neural Networks

  时间：2025-09-19

• 预训练默契行为机制：连接个体性与多智能体对抗协同的桥梁

  亮点聚焦本研究引入PTBC框架，通过默契机制整合优势空间定位，使智能体在多智能体对抗协同任务中发展出更高效的策略。该机制将分散式默契预训练与集中式对抗训练相衔接，兼具分散训练的鲁棒性与CTDE范式的稳定性。在默契预训练阶段，我们构建了结合模式分类与默契奖励的双层结构，动态引导智能体形成协同空间优势。引言多智能体对抗协同问题因行为复杂、环境非稳态及通信不完善而面临重大挑战。多智能体强化学习（MARL）通过挖掘智能体间潜在协作能力，为应对这些挑战提供了可行路径。现有研究多依赖团队奖励更新策略，却未能充分利用空间关系及其动态趋势，导致训练效率低下。受人类战术启发，我们提出“默契行为”概念，通过空间关

  来源：Neural Networks

  时间：2025-09-19

• 基于反事实因果推理的鲁棒视觉问答（VQA）模型CC-VQA：突破跨模态偏见的创新框架

  Highlight本研究通过反事实因果推理框架（CC-VQA）创新性地整合反事实样本合成（CSS）与因果干预技术，有效破解视觉问答（VQA）系统中的跨模态偏差问题。该框架不仅提升模型对视觉可解释性和问题敏感性的双重能力，更在偏差抑制和泛化性能上实现突破。Language and Vision Biases in VQA视觉问答系统中的偏差源于训练数据中的伪相关性。语言偏差常表现为模型将特定问题类型与固定答案关联，而视觉偏差则源于对表面特征（如物体颜色或位置）的过度依赖。现有方法如RUBi和CF-VQA试图通过抑制单模态捷径来缓解偏差，但缺乏对多模态交互的显式建模。Methodology受反事实

  来源：Neural Networks

  时间：2025-09-19

• 基于拓扑融合模型（ToBaFu）的二维癌症图像分类研究：提升诊断性能与模型鲁棒性

  亮点•基于立方体复形计算持久同调（PH），从图像数据中提取统计特征与持久图像特征，并拼接为统一描述符。•提出的Topo模型将持久同调衍生的拓扑特征与浅层神经网络结合，用于癌症图像分类，增强全局形状表征与泛化性能。•开发了ToBaFu模型，这是一种新颖的融合框架，将Topo模型与端到端增强型ResNet架构结合用于癌症图像识别，提升诊断性能与模型鲁棒性。方法ToBaFu模型整合了两种癌症图像分类方法：基于拓扑特征的浅层神经网络（Topo模型）和ResNet-50的增强版本（Modified ResNet）。第3.1节阐述立方体复形的PH理论；第3.2节介绍从图像中提取拓扑特征的方法；第3.3节详

  来源：Neural Networks

  时间：2025-09-19

知名企业招聘：