• 综述：左束支区域起搏与其他起搏技术的心肌做功参数比较：系统综述与整合分析

  引言心脏传导系统疾病需依赖永久起搏器治疗，但传统右室起搏（RVP）长期可能导致电机械不同步和心力衰竭。左束支区域起搏（LBBAP）作为新兴生理性起搏技术，通过经间隔途径刺激左束分支及邻近心肌，有望改善左心室功能。非侵入性心肌做功（MW）评估整合了压力-应变环分析，为量化左心室收缩功能与能量效率提供了新工具。方法研究遵循PRISMA指南，纳入5项前瞻性研究共241例患者，比较LBBAP、RVP和HBP对四个MW参数的影响：全球做功指数（GWI）、全球有效做功（GCW）、全球无效做功（GWW）和全球做功效率（GWE）。统计分析采用独立样本t检验，显著性阈值设为p<0.05。结果LBBAP vs R

  来源：IJC Heart & Vasculature

  时间：2025-05-27

• 基于邻域感知特征增强网络(NAFENet)的人群计数方法研究

  在智能城市建设和公共安全领域，准确估计拥挤场景中的人群数量至关重要。然而，现有基于深度学习的密度图方法常因忽略通道间(inter-channel)和像素间(inter-pixel)的关联性，导致特征表征不充分。尤其当面对复杂背景干扰或密集人群时，模型易丢失细粒度细节，影响计数精度。尽管注意力机制通过权重分配提升了关键特征响应，但传统方法往往孤立处理单个通道或局部区域，未能充分挖掘相邻通道的协同效应和长程像素依赖关系。针对这一瓶颈，陕西师范大学等机构的研究团队在《Image and Vision Computing》发表论文，提出创新性解决方案——邻域感知特征增强网络(NAFENet)。该网络通

  来源：Image and Vision Computing

  时间：2025-05-27

• 基于结构自适应网络的伪装物体检测增量式结构适应方法

  论文解读伪装物体检测（Camouflaged Object Detection, COD）旨在从复杂背景中识别并分割隐藏目标，这项技术在自动驾驶、医学图像分析和机器人领域具有重要意义。然而，由于伪装物体与背景的高度相似性，尤其是小尺寸伪装物体的检测，传统方法面临严峻挑战。为解决这些问题，国内研究人员开发了一种名为结构自适应网络（Structure-Adaptive Network, SANet）的新型检测模型。伪装物体检测的难点在于，伪装物体与背景的结构信息往往难以区分，导致模型容易受到误导或噪声干扰。现有方法多依赖结构线索和高分辨率细节进行分割，但这些线索的可靠性常受质疑。例如，当背景结构比

  来源：Image and Vision Computing

  时间：2025-05-27

• UncertainBEV：面向路侧三维目标检测的不确定性感知鸟瞰图（BEV）融合方法

  随着自动驾驶与智能交通系统的蓬勃发展，精准的环境感知成为关键。然而，路侧三维（3D）目标检测中，摄像头与激光雷达（LiDAR）等多传感器融合时，因视角差异、时间同步偏差、数据分辨率不同及校准矩阵误差等问题，常出现特征错位，严重影响检测性能。传统方法如 BEVFusion 虽在鸟瞰图（BEV）空间融合数据，但忽视了实际应用中的特征错位，导致检测精度受限。如何高效融合多模态数据并解决特征错位，成为提升路侧 3D 目标检测准确性与鲁棒性的核心挑战。为攻克这一难题，国内研究机构（文中未明确提及具体单位，但从代码开源地址 “NUST-Machine-Intelligence-Laboratory” 推测

  来源：Image and Vision Computing

  时间：2025-05-27

• 基于SAM模型和掩码引导的弱监督伪装目标检测方法

  论文解读伪装目标检测（Camouflaged Object Detection, COD）旨在从图像中精准分割出与背景高度融合的目标，在医学息肉分割、农业害虫检测及工业缺陷识别等领域具有重要应用。然而，由于伪装目标与背景在纹理、颜色和形状上的高度相似性，传统方法难以实现精确分割。此外，全监督COD依赖耗时费力的像素级标注，而现有弱监督方法因仅使用粗粒度标注（如点标记或涂鸦），导致边缘模糊和漏检问题突出，严重限制了实际应用效果。针对上述挑战，国内研究团队提出一种基于掩码引导的弱监督伪装目标检测框架MGNet。该框架创新性地结合Segment Anything Model（SAM）与冗余处理策略（

  来源：Image and Vision Computing

  时间：2025-05-27

• FaiResGAN：基于生成对抗网络的公平鲁棒盲人脸恢复与生物特征保护技术研究

  在监控安防和身份认证领域，低质量人脸图像的恢复技术至关重要。然而现有盲人脸恢复方法面临两大挑战：一是传统L1/L2损失函数难以保持软生物特征(soft biometrics)如种族、年龄和性别的真实性；二是训练数据集的分布偏差会导致算法对少数群体恢复效果显著下降。这些问题使得现有系统在司法鉴定、跨境安防等场景的应用受到严重制约。针对这些瓶颈，中国科学院的研究团队在《Image and Vision Computing》发表研究，提出FaiResGAN模型。该研究通过三个关键技术突破实现创新：首先设计包含软生物特征损失(LSB)的多任务损失函数，联合优化ArcFace身份保持与种族/年龄/性别特

  来源：Image and Vision Computing

  时间：2025-05-27

• 基于边界引导信号与特征融合网络的伪装目标检测方法

  论文解读伪装目标检测（Camouflaged Object Detection, COD）旨在识别与背景高度相似的目标物体，其核心挑战在于目标边界模糊和特征融合困难。自然界中，动物通过伪装融入环境以躲避捕食者，而军事侦察和医学图像处理等领域同样需要精准分割伪装目标。然而，传统方法依赖手工设计特征，难以应对复杂场景；现有深度学习方法虽取得进展，但仍面临边界信息丢失和多尺度特征整合不足的问题。为解决上述问题，国内研究人员提出了一种新型网络架构——边界引导信号与特征融合网络（BFNet）。该网络基于预训练的金字塔视觉Transformer V2（PVTv2）提取多级特征，并通过三个核心模块提升检测性

  来源：Image and Vision Computing

  时间：2025-05-27

• 多优化策略下受限约束透明物体的三维自动重建技术研究

  透明物体在生命科学、材料科学等领域具有重要应用价值，但其三维重建长期面临严峻挑战。由于光线与透明表面相互作用时产生复杂的折射和反射效应，传统基于结构光等被动测量方法难以准确捕捉物体特征。现有解决方案或依赖特殊采集设备，或需对样本进行染色处理，不仅成本高昂，更可能损伤珍贵生物样本。这一瓶颈严重制约了透明材料研究和医学透明组织分析的发展。为突破这一限制，中国国家自然科学基金支持的研究团队在《Image and Vision Computing》发表创新成果，提出基于多优化策略的透明物体自动三维重建方法。该方法仅需普通手机拍摄的十余张环境已知图像，通过深度学习网络即可实现高精度重建，无需特定设备或样

  来源：Image and Vision Computing

  时间：2025-05-27

• 基于掩码图注意力网络的面部微表情分类方法研究

  论文解读面部微表情（Micro-expressions, MEs）是人类情感的真实流露，其持续时间短于0.6秒，且肌肉运动幅度极小。这类细微表情在刑侦、心理健康评估等领域具有重要价值，但传统方法（如LBP-TOP6或Bi-WOOF5）难以捕捉其时空特征，而深度学习方法又面临样本稀缺的挑战。现有研究虽尝试结合卷积神经网络（CNN）与图神经网络（GNN），但仍存在节点冗余、低强度帧干扰等问题。为此，美国国家科学基金会资助的研究团队提出了一种创新性解决方案——双分支掩码图注意力网络（MaskGAT）。该方法通过软硬掩码机制剔除无关节点特征，并设计掩码自注意力图池化层（MAGPOOL）筛选高置信度节点

  来源：Image and Vision Computing

  时间：2025-05-27

• 美国经导管二尖瓣缘对缘修复术（TEER）的全国性资源利用与安全性分析：2016-2019年技术迭代的临床验证

  二尖瓣反流作为常见的心脏瓣膜疾病，传统外科手术对高龄、多合并症患者风险较高。经导管缘对缘修复术（Transcatheter edge-to-edge repair, TEER）的出现为这类患者带来曙光，其中MitraClip®系统作为代表性器械，在2016至2019年间经历了从第二代到第四代的技术迭代。然而，这些技术进步是否真正转化为临床效益？医疗资源消耗是否得到优化？这些问题亟待真实世界数据验证。针对这一科学问题，美国研究团队在《IJC Heart》发表了全国性队列研究。研究采用回顾性分析方法，纳入2016-2019年美国5,212例接受二尖瓣TEER的成人患者数据，通过多中心医疗数据库评估

  来源：IJC Heart & Vasculature

  时间：2025-05-27

• 翻译 综述：机器学习方法在自闭症谱系障碍早期检测中的应用探索

  文章内容自闭症谱系障碍概述自闭症谱系障碍（ASD）是一种神经发育状况，影响个体的社交沟通能力、重复行为以及获取新知识的能力。该症状通常在儿童早期显现，特别是在6个月到5岁之间。随着时间的推移，这些症状会逐渐加重。早期诊断和干预对改善患者的长期预后和生活质量至关重要。研究背景近年来，ASD的患病率显著增加。根据美国疾病控制与预防中心（CDC）的数据，每36名儿童中就有1名被诊断为自闭症。在孟加拉国，ASD的患病率约为每1000名儿童中有2例。由于传统诊断方法依赖于临床评估，存在主观性和耗时的问题，因此需要更有效的筛查工具。研究目的本研究旨在利用机器学习算法，通过筛选工具识别ASD，特别是针对儿童

  来源：Healthcare Analytics

  时间：2025-05-27

• 基于 EfficientNetB3 的组织病理图像肺癌和结肠癌检测的鲁棒迁移学习方法

  癌症作为全球主要致死疾病之一，其中肺癌和结肠癌因其高发病率与死亡率，严重威胁人类健康。传统的组织病理分析虽为诊断金标准，但存在需要有创活检、依赖病理学家手动判读、耗时长且存在观察者间差异等问题。CT 等影像学方法虽常用，但存在难以区分良恶性结节、假阳性率高及辐射暴露等局限。在此背景下，人工智能（AI）和深度学习（DL）技术的兴起为医学影像分析带来了新希望，如何利用高效的深度学习模型实现肺癌和结肠癌的准确、早期检测成为重要研究方向。为解决上述问题，相关研究人员开展了利用深度学习模型进行肺癌和结肠癌组织病理图像检测的研究。研究人员使用 LC25000 数据集（包含 25,000 张组织病理图像，均

  来源：Healthcare Analytics

  时间：2025-05-27

• 组织大数据分析能力对医疗供应链韧性的影响研究：基于模糊多准则决策方法的实证分析

  全球新冠疫情如同一面镜子，暴露出医疗供应链(HSC)令人担忧的脆弱性——从个人防护装备(PPE)的全球短缺到呼吸机的分配危机，医疗系统在突发公共卫生事件中的供应链断裂问题触目惊心。这种背景下，如何提升医疗供应链的韧性(Resilience)成为学界和业界的焦点难题。传统研究多聚焦于供应链的物理优化，而数字化时代下，组织大数据分析能力(Big Data Analytics Capability, BDAC)这一"软实力"对供应链韧性的作用机制尚属研究空白。为此，国内研究人员在《Healthcare Analytics》发表了一项开创性研究。他们创新性地融合组织信息处理(OIP)和知识型动态能力(

  来源：Healthcare Analytics

  时间：2025-05-27

• 基于光电容积脉搏波(PPG)信号与机器学习融合优化的无创肌酐评估新方法

  慢性肾病(CKD)是全球公共卫生的重大挑战，传统肌酐检测依赖有创采血，给患者带来疼痛、感染风险和心理负担。尤其对于需频繁监测的CKD患者，现有方法存在明显局限性。光电容积脉搏波(PPG)技术因其无创、便捷的特性，在血糖、血红蛋白等血液成分监测中展现出潜力，但针对肌酐的无创检测研究仍属空白。为突破这一技术瓶颈，研究人员基于MIMIC III临床数据库和波形数据库，整合404例ICU患者的PPG信号与血清肌酐数据，开展了一项开创性研究。通过Butterworth滤波和快速傅里叶变换(FFT)预处理PPG信号，提取45项生理特征，并采用相关性矩阵、递归特征消除(RFE)和ExtraTree分类器筛选

  来源：Healthcare Analytics

  时间：2025-05-27

• 综述：慢性心力衰竭与慢性阻塞性肺疾病远程医疗解决方案的成本效益、应用及实施：基于PRISMA方法的系统评价

  Abstract全球卫生组织（WHO）和疾病控制与预防中心（CDC）指出，远程医疗（telehealth）为慢性疾病管理提供了新范式。针对CHF和COPD患者的研究显示，远程监测工具（如血压计、脉搏血氧仪）通过降低再住院率实现成本节约，但临床证据仍待完善。Background慢性疾病患者占全球疾病负担的70%，其中CHF和COPD因频繁急性发作亟需创新管理方案。远程医疗通过实时监测生理参数（如心率、FEV1）打破地理限制，但2023年前的研究多缺乏标准化评估框架。Methods基于PRISMA指南的系统评价纳入了2010-2023年26项研究（17项COPD，9项CHF）。欧洲主导了多数试验，

  来源：Health Policy and Technology

  时间：2025-05-27

• 基于混合深度学习框架的Mpox早期图像检测方法研究及其在传染病防控中的应用

  近年来，新发传染病对全球公共卫生构成严峻挑战。Mpox（猴痘）作为一种人畜共患病，自1970年首次人类病例报道以来，在2022-2023年引发全球疫情暴发。尽管PCR检测是当前金标准，但其对专业设备的依赖和污染风险限制了在资源匮乏地区的应用。与此同时，基于医学影像的深度学习技术虽展现出潜力，但面临数据量不足、模型解释性差等瓶颈。针对这些挑战，国内研究人员在《Healthcare Analytics》发表了一项突破性研究。团队开发了融合深度学习和机器学习的混合框架，通过系统验证解决了数据增强可能引入偏差的关键问题。研究创新性地采用MobileNetV2进行特征提取，结合LightGBM分类器，在

  来源：Healthcare Analytics

  时间：2025-05-27

• 日本经皮冠状动脉介入治疗技术费用的合理性评估：成本测算与政策启示

  在日本医疗体系中，经皮冠状动脉介入治疗（Percutaneous Coronary Intervention, PCI）作为心血管疾病的核心治疗手段，其技术费用定价却长期陷入争议。自1980年代PCI技术引入日本以来，伴随人口老龄化加速和心血管疾病负担加重，PCI手术量持续增长。然而矛盾的是，承担这些手术的医疗机构正面临日益严峻的财务危机——2022年日本医疗机构医疗利润赤字比例高达72.8%，较前一年增长7个百分点。这种矛盾现象的背后，隐藏着一个关键问题：现行PCI技术费用是否真实反映了医疗成本？研究团队针对这一核心问题展开深入调查。通过分析发现，日本独特的医保定价体系存在结构性缺陷：一方面

  来源：Health Policy and Technology

  时间：2025-05-27

• 《利用深度学习和遥感技术揭示撒哈拉以南非洲主要城市贫民窟快速增长》

  论文解读在当今世界，城市化进程快速推进，然而撒哈拉以南非洲地区却面临着独特的挑战。超过一半的城市人口居住在贫民窟中，这些贫民窟的居民面临着诸多困境，如缺乏清洁水源和卫生设施、居住面积狭小、住房质量差以及缺乏土地使用权等，同时还极易受到传染病和自然灾害的侵袭，并且时刻面临被驱逐的风险1。随着城市化进程的加速，大量新城市居民涌入，贫民窟问题愈发严峻。为了有效监测贫民窟的发展情况，以实现联合国可持续发展目标（SDG）11.1，即确保所有人都能获得适当、安全和负担得起的住房以及基本服务，并对贫民窟进行改造，迫切需要一种及时且有效的监测方法。传统的基于调查和国家普查的数据收集方法存在诸多弊端，如频率低、

  来源：Habitat International

  时间：2025-05-27

• 数字孪生技术推动尼日利亚建筑业循环经济转型的实证研究

  在资源消耗与环境污染问题日益严峻的背景下，全球建筑业正面临从传统线性经济向循环经济（Circular Economy, CE）转型的迫切需求。尼日利亚作为非洲最大经济体，其建筑业贡献了国家GDP的显著份额，但同时也因"开采-制造-废弃"的线性模式导致每年产生数百万吨建筑垃圾，加剧了资源枯竭和生态失衡。尽管数字孪生技术（Digital Twin, DT）在发达国家已被证明能通过虚拟仿真优化资源循环，但该技术在发展中国家建筑业的应用研究几乎空白。针对这一知识缺口，来自国外研究机构的Imoleayo A. Awodele团队联合多国学者，在《Green Technologies and Sustai

  来源：Green Technologies and Sustainability

  时间：2025-05-27

• 综述：数字技术促进可持续发展目标的实现

  数字技术（DTs）正以前所未有的方式重塑全球可持续发展进程。通过系统性分析473篇文献，这项研究揭示了人工智能（AI）、区块链、物联网（IoT）等七大核心技术如何精准对接联合国17项可持续发展目标（SDGs），构建起数字赋能可持续发展的理论框架与实践路径。关键理论与模型研究整合了10个核心理论模型，包括社会技术系统理论、三重底线框架（TBL）和生命周期评估（LCA）模型。其中，数字转型框架（DTF）强调技术创新需与社会需求协同，而能力方法理论则突出数字技术对边缘群体赋能的伦理价值。特别值得注意的是，创新扩散理论揭示了早期采用者在可再生能源技术推广中的关键作用，这为政策制定者设计技术推广策略提供

  来源：Green Technologies and Sustainability

  时间：2025-05-27

知名企业招聘：