• 基于跨层引导的多模态正交融合网络在阿尔茨海默病诊断中的应用与机制研究

  亮点 (Highlights)•我们提出跨层引导交互（Cross-Layer Guidance Interaction, CGI）模块，利用高层特征指导低层特征学习，增强疾病相关区域的细粒度表征。•设计多模态正交补偿（Multi-modal Orthogonal Compensation, MOC）模块，促进模态间双向交互并抑制冗余信息。•开发特征增强融合（Feature Enhancement Fusion, FEF）模块，通过动态评估每个受试者的模态贡献自适应融合多模态信息。结论 (Conclusion)本文提出了一种新颖的基于跨层引导的多模态正交融合网络（MOFNet），用于阿尔茨海默病

  来源：Neural Networks

  时间：2025-09-13

• 解耦自监督视频伪装与显著目标检测：运动与上下文信息的独立建模新范式

  Section snippetsRelated Work本节回顾与本研究相关的视频显著目标检测（VSOD）、视频伪装目标检测（VCOD）及自监督学习（SSL）领域进展。Method本节首先阐述面向VCOD与VSOD任务的解耦自监督框架整体架构，随后介绍自适应帧路由机制（AFR）、运动分割网络（MS）及上下文分割网络（CS）。整体架构如图2所示。Dataset遵循现有VSOD方法，我们在五个VSOD数据集上评估性能：VOS、DAVIS、DAVSOD、SegV2和ViSal。此外，在三个VCOD数据集（MOCA、MOCA-Mask和CAD）上进行测试。Evaluation MetricsVSOD：

  来源：Neural Networks

  时间：2025-09-13

• 前额-顶叶与扣带-岛盖网络功能连接模式在青春期早期认知控制个体差异中的独特作用

  认知控制作为支撑目标导向行为的高级认知功能，在青春期经历着爆发式的发展。这个时期大脑网络正处于剧烈重组阶段，前额-顶叶网络(Fronto-Parietal Network, FPN)和扣带-岛盖网络(Cingulo-Opercular Network, CON)作为认知控制的核心网络，其发育模式与认知控制能力个体差异的关系尚不明确。以往研究多局限于成人群体或小样本分析，难以揭示青春期早期这一关键发育阶段的神经机制。为深入解析这一问题，Smith等研究人员利用青少年脑认知发展研究(Adolescent Brain Cognitive Development Study, ABCD Study®)

  来源：NeuroImage

  时间：2025-09-13

• 空间任务指令与全局激活趋势对皮质伸手网络功能模块化的影响

  在日常生活中，人们能够轻松地伸手取物，这背后涉及复杂的大脑空间信息处理过程。当我们看到一件物体时，大脑需要判断它的位置——是以自我为中心（Egocentric，例如“在我右前方”），还是以环境中的地标为参照（Allocentric，例如“在杯子右边”）。这两种编码方式依赖于不同的神经通路：自我中心编码主要涉及背侧视觉流（dorsal stream），而地标中心编码则更多涉及腹侧视觉流（ventral stream）。然而，当任务指令要求我们忽略地标或使用地标进行瞄准时，大脑如何动态整合这些信息？全局的脑激活趋势（如运动计划引起的广泛BOLD信号上升）又在其中扮演什么角色？这些问题尚未得到充分解

  来源：NeuroImage

  时间：2025-09-13

• 面向视频问答的双层级动态异质图网络：增强多模态实体与事件推理

  Highlight近期，视频问答（VideoQA）作为视觉语言理解领域的核心任务受到广泛关注。然而，现有数据集常缺乏细粒度实体与事件信息，导致视觉语言模型（VLMs）难以完成多模态实体或事件间的复杂定位与推理，过度依赖语言捷径或无关视觉上下文。为解决这些问题，我们从数据与模型两个角度进行改进。METHODOLOGY我们的双层级动态异质图网络（DDHG）框架如图3所示。本研究假设视频字幕中的词级特征与视频中的物体特征具有等同的实体级语义，而视频帧的表观特征则与句子级字幕特征共享事件级语义。因此，我们首先从实体和事件两个层级对齐视觉与文本特征。DatasetsNExT-QA包含4.77万个多选题形

  来源：Neural Networks

  时间：2025-09-13

• 基于点击区域相似性的交互式分割算法ClickAttention：提升目标对象识别效率与减少参数需求

  Highlight本文针对交互式分割中点击影响范围有限及正负点击耦合问题展开研究。通过引入基于局部区域相似性的点击注意力算法，显著扩展单次点击的影响范围；同时提出判别性注意力亲和损失，有效解耦正负点击响应，提升模型交互效率与分割精度。Methods为解决点击影响范围受限和点击耦合问题，我们提出基于局部区域相似性引导的交互式分割算法。整体架构如图3所示。为全面扩展点击影响范围，第3.2节引入点击注意力算法；为进一步解耦正负点击间的注意力耦合，第3.3节提出判别性注意力亲和损失。Experiments本节首先介绍所提点击式交互分割算法的配置与训练协议，后续均以ClickAttention指代本方法

  来源：Neural Networks

  时间：2025-09-13

• 抗噪声无超调递归神经网络(NORNN)的设计、分析与验证：提升时变问题求解的鲁棒性与收敛速度

  亮点 (Highlights)• 通过创新的时变附加项设计实现针对不同噪声的抗噪声(noise-tolerance)能力• 时变附加项带来的动态补偿机制有效消除超调(overshoot-free)现象• 无超调特性实现快速高效收敛，兼具更快的收敛速度和更短的收敛时间章节片段 (Section Snippets)问题描述与对比RNNs-IT本节首先阐述待解的时变问题，随后深入分析带积分项递归神经网络(RNNs-IT)的演进，包括传统RNN(TRNN)、抗噪声RNN(NTRNN)和超螺旋RNN(STRNN)。详细解析各模型的设计理念与动态方程推导，突出NORNN模型的创新性与优势。NORNN设计为

  来源：Neural Networks

  时间：2025-09-13

• 基于自旋锁定的脑白质磁化转移成像技术实现方向无关性定量评估

  脑白质作为大脑的重要组成部分，其高度有序的髓鞘化轴束结构在维持脑功能完整性中起着关键作用。然而，这种高度各向异性的结构也给磁共振成像带来了巨大挑战——特别是定量磁化转移（quantitative magnetization transfer, MT）成像技术，其测量结果会随着白质纤维与主磁场B0的相对方向变化而发生显著变化。这种方向依赖性主要源于残余偶极耦合（residual dipolar coupling, RDC）效应，即在水分子运动受限的有序组织中，偶极-偶极相互作用无法完全平均为零。传统的饱和脉冲MT成像方法（如单点MPF mapping）虽然能够评估髓鞘含量，但其测量结果严重受组织

  来源：NeuroImage

  时间：2025-09-13

• 酒精对社会情境下大脑反应的影响：一项超扫描酒精干预试验

  人类在社会交往中常常借助酒精来缓解紧张、增进亲密感，这一现象贯穿了整个人类历史。从古埃及的啤酒盛宴到现代的社交聚会，酒精始终扮演着社会润滑剂的角色。然而，尽管行为研究表明酒精能够促进社会连接、减少感知到的社会威胁，但酒精在社交情境中对大脑反应的急性影响却一直未被深入探索。这主要是因为传统神经影像技术如功能磁共振成像（fMRI）存在局限性：酒精的直接血管活性效应会干扰以血流量为代理指标的大脑活动测量，而且酒精的精神活性特性会增强对即时环境线索的反应性，这使得在非典型记录环境（如嘈杂、仰卧、封闭的扫描仪）中研究社交互动变得困难。为了突破这一研究瓶颈，华盛顿大学医学院精神病学与行为科学系的研究团队开

  来源：NeuroImage

  时间：2025-09-13

• 你的微笑感染我的微笑：社会互动中积极情绪传染的人际神经耦合机制

  在一个阳光明媚的下午，当你躺在公园的草地上，周围孩子们欢快的笑声是否会不知不觉地让你嘴角上扬？这种神奇的情绪传递现象就是情绪传染——通过暴露于他人的情绪，感知者的情绪状态变得与他人更加相似。情绪传染作为社会对齐的三个相互关联层次之一，在人类社会互动中扮演着重要角色。然而，关于情绪传染究竟是一个自动的模仿过程，还是与认知控制相关的有意识评估过程，学术界尚未达成共识。特别是对于积极情绪在陌生人之间的传染机制，以及其背后的神经耦合机制，我们知之甚少。传统研究大多采用单人神经影像范式，让参与者观看预先录制的情绪刺激，这种方法无法捕捉真实社交互动中双向的情绪传递过程。此外，对于何种面部特征能够触发感知者

  来源：NeuroImage

  时间：2025-09-13

• 前辅助运动区CBF梯度与兴奋-抑制平衡在衰老及语义流畅性任务困难中的作用机制研究

  随着全球人口老龄化加剧，认知功能衰退已成为突出的公共卫生问题。语义流畅性任务作为评估执行功能和语言能力的重要工具，其表现衰退与前辅助运动区（presupplementary motor area, pre-SMA）的功能变化密切相关。这一脑区不仅参与动作选择与抑制控制，还在词汇检索、语义整合等高级认知过程中发挥关键作用。然而，衰老如何影响pre-SMA的神经生理特性，以及这些变化如何导致语义流畅性任务困难，仍是未解之谜。现有研究多基于血氧水平依赖（BOLD）功能磁共振成像，但由于BOLD信号受血流与代谢等多重因素影响，更直接的生理指标如脑血流（cerebral blood flow, CBF）

  来源：NeuroImage

  时间：2025-09-13

• 前额叶Theta振荡神经反馈训练调控情绪调节的因果证据研究

  情绪调节是人类适应环境的核心能力，其中认知重评(cognitive reappraisal)作为最有效的调节策略，依赖于前额皮层(PFC)对边缘系统的自上而下调控。尽管大量研究表明前额叶theta振荡(4-8 Hz)与认知控制过程密切相关，且在情绪调节过程中显著增强，但关于其因果作用的直接证据始终缺失。神经反馈(NF)训练作为一种通过实时脑电反馈学习自我调节脑活动的新型技术，为验证这一因果关系提供了理想手段。本研究由四川师范大学脑与心理科学研究院团队开展，发表于《NeuroImage》。研究采用双盲随机对照设计，将78名健康被试分为实验组和假刺激组，通过4个block的EEG-NF训练，靶向增

  来源：NeuroImage

  时间：2025-09-13

• 状态依赖切换神经网络在随机扰动与脉冲效应下的固定时间与预设时间同步研究

  Highlights本文提供以下主要贡献：1.利用比较原理与平均脉冲间隔，推导出在同步脉冲和非活跃脉冲影响下，带有随机扰动和脉冲效应的SDSNNs实现FXTS和PSTS的充分条件。2.区别于依赖最大绝对值方法的传统研究，本文采用区间矩阵方法，系统推导出可处理的线性矩阵不等式（LMIs），用于设计非线性固定时间同步控制器。3.提出统一的比例积分（PI）控制框架，通过适当调整其控制参数，使系统能够同时实现FXTS和PSTS。此外，通过合理配置脉冲强度与预设时间之间的关系，可平衡同步性能。Section snippetsNotations表1对文中涉及的关键符号的数学定义进行了统一说明。Model

  来源：Neural Networks

  时间：2025-09-13

• 基于双倒残差块混合聚合策略的轻量化显著目标检测模型HASNet：平衡效率与精度的新突破

  Highlight亮点•我们提出名为HAS的混合特征聚合策略，通过分组处理不同架构特征并实施浅层与深层聚合，高效整合跨层级信息。•针对Transformer特征设计全局倒残差块（GIRB），引入高效全局操作增强通道语义捕获能力；针对CNN特征设计轻量倒残差块（LIRB），通过扩展与收缩阶段替代线性变换，大幅降低参数量与计算成本。•大量实验表明，融合CNN与Transformer优势的HASNet在五个数据集上定量与定性评估均超越现有SOTA方法。Heavyweight salient object detection 重量级显著目标检测SOD任务旨在提取图像中最吸引人的区域。通常采用大量参数的

  来源：Neural Networks

  时间：2025-09-13

• 层间自适应低秩适应（La-LoRA）：动态参数分配优化大模型微调效率与性能

  Highlight• 提出La-LoRA：一种基于动态贡献驱动参数预算（DCDPB）和截断范数加权动态秩分配（TNW-DRA）的直观高效参数高效微调（PEFT）方法，推理阶段无额外成本• 动态贡献驱动参数预算（DCDPB）：根据训练过程中各层的边际贡献潜力动态分配参数预算，早期分配较少预算学习基础特征，后期增加预算捕获复杂特征• 截断范数加权动态秩分配（TNW-DRA）：对低贡献层矩阵进行截断避免过拟合，引入校正因子精确评估截断后层的实际贡献• 实验表明La-LoRA在多任务中持续超越现有基准Lottery Ticket Hypothesis彩票假设（Lottery Ticket Hypoth

  来源：Neural Networks

  时间：2025-09-13

• 基于网络聚合的大规模概率布尔网络全局稳定性分析及其在系统生物学中的应用

  Highlights•借助大规模概率布尔网络（LSPBNs）的网络聚合技术，构建了一套描述子网络间输入-输出协同关系的迭代公式，大幅降低了计算复杂度。•基于此提出系统全局稳定性的充分条件，该条件具有普适性，可验证任意聚合结构下的网络稳定性。Section snippetsPreliminaries为便于表述，先列出以下符号说明：符号定义R实数集Rnn维实向量集合Rm×nm×n实矩阵集合Z+正整数集Col(M)矩阵M的列集合Coli(M)矩阵M的第i列Rowi(M)矩阵M的第i行D{0,1}δni单位矩阵In的第i列ΔnCol(In)1n长度为n的全1向量(M)i,j矩阵M的第(i,j)元素M[

  来源：Neural Networks

  时间：2025-09-13

• 诱导长时程增强改善ALS运动神经元突触稳定性并恢复网络功能

  肌萎缩侧索硬化（Amyotrophic lateral sclerosis, ALS）是一种致命的神经退行性疾病，以上下运动神经元进行性功能障碍和退变为主要特征。随着研究的深入，越来越多的证据表明，在ALS患者和实验模型中存在突触结构的改变，这些改变与运动神经元网络的功能受损密切相关，提示突触损伤可能是疾病级联反应中的早期事件，最终导致功能代偿性重构。因此，突触成为延缓疾病进展的重要修饰靶点。尽管对神经退行性疾病的病理生理机制有了更深入的理解，但将相关发现转化为成功治疗成果的努力仍然面临重大挑战，迫切需要更好地理解神经退行性病变早期细胞和网络反应的机制。在此背景下，研究人员在《Neurobio

  来源：Neurobiology of Aging

  时间：2025-09-13

• 耳鸣患者丘脑皮质节律紊乱相关的睡眠纺锤波去同步化研究

  耳鸣作为一种无外部声源条件下产生的听觉 phantom perception（幻听），全球约12-30%人口受其困扰，不仅影响日常活动，更常导致严重的睡眠障碍。目前 tinnitus（耳鸣）尚无公认的药物治疗方案，其机制研究多集中于清醒状态，其中 thalamocortical dysrhythmia（TCD，丘脑皮质节律紊乱）被认为是核心假说，用以解释耳鸣患者在白天表现出的神经振荡异常。然而，TCD是否在睡眠中持续存在，特别是与睡眠微观结构——如睡眠纺锤波（sleep spindle）的关联，仍不清楚。睡眠纺锤波是出现在非快速眼动睡眠（NREM）阶段的11–16 Hz振荡事件，与记忆巩固和睡

  来源：Neurobiology of Aging

  时间：2025-09-13

• 跨层级图对比学习在社区价值预测中的创新应用与机制探索

  Highlight本研究首次将图对比学习（GCL）框架应用于社区价值预测（CVP）问题，提出跨层级对比范式CCCL，通过协同优化节点视图与社区视图的表示一致性，突破传统GNN在子图级任务中的局限性。Problem StatementCVP任务旨在预测给定社区的未来总商业价值。给定社交网络图G、特征矩阵X∈Rn×d及社区集合C={C1,⋯,CM]，需训练GNN编码器fθ以最小化预测值y∈RM与真实值的Frobenius范数差距。Related Work传统客户终身价值预测（CLVP）依赖用户特征与ID嵌入，而CVP需处理社区内复杂交互（如意见领袖影响）。现有方法MSC虽采用池化层聚合信息，但受限

  来源：Neural Networks

  时间：2025-09-13

• 通过上下文丰富与细节精确特征学习提升图像恢复效果：LCDNet模型的多尺度设计与频率选择机制

  Highlight本研究核心贡献包括：1.提出LCDNet多尺度架构，通过协同空间与频域特征提升图像恢复性能2.设计混合尺度频率选择模块（HSFSBlock），集成多尺度空间特征块（MSSFBlock）与多分支选择性频率模块（MSFM），通过可学习频域滤波器分解高/低频成分，并利用交叉注意力自适应选择最具信息量的频段3.开发跳跃连接注意力机制（SCAM），通过注意力权重判别性筛选编码器至解码器的特征传递，有效抑制退化伪影的传播MethodLCDNet采用由粗到细的多尺度输入输出训练策略。HSFSBlock首先通过MSSFBlock提取空间多尺度特征，随后MSFM模块执行频域分解与交叉注意力选择

  来源：Neural Networks

  时间：2025-09-13

知名企业招聘：