• 人工智能迭代重建技术在超低剂量肝脏CT中的应用研究

  研究人员前瞻性纳入65例接受三期增强肝脏CT检查的患者，通过设置低管电压（80/100 kV）与低管电流（35-78 mAs）技术，在门静脉期和延迟期分别进行超低剂量（ULD，剂量范围1.11-2.50 mGy）和常规剂量（RD，剂量范围11.71-19.73 mGy）扫描。常规剂量图像采用混合迭代重建算法（RD-HIR），超低剂量图像则分别采用HIR（ULD-HIR）和人工智能迭代重建（ULD-AIIR）进行处理。0.017），且显著低于ULD-HIR（所有P<0.001）。ULD-AIIR同时获得最高的平均NPS空间频率、信噪比（SNR）和对比噪声比（CNR），其性能排序为ULD-AIIR

  来源：Journal of Computer Assisted Tomography

  时间：2025-10-12

• 加纳微电网优化：基于冗余太阳能制氢与燃料电池发电的储能技术经济分析

  在非洲大陆，尤其是加纳这样的发展中国家，能源贫困依然是制约社会经济发展的关键瓶颈。尽管加纳全国电气化率已超过80%，但仍有约15%的偏远乡村和湖区居民无法获得稳定电力供应。这些地区往往因地理隔绝、人口分散，延伸国家主干电网成本过高，使得分布式可再生能源微电网成为可行的解决方案。其中，太阳能光伏（PV）微电网凭借非洲丰富的日照资源（日均辐照量达4-7 kWh/m²）和日益下降的成本，在加纳农村电气化战略中扮演着重要角色。然而，这类系统面临一个普遍而棘手的挑战：太阳能发电的高峰出现在午间，而此时农村居民多在外务农或劳作，用电需求处于低谷，导致光伏发电量远超当地负荷需求及蓄电池充电能力，产生大量“冗

  来源：Energy Conversion and Management-X

  时间：2025-10-12

• 综述：人工智能与机器学习在智能电网中的应用：从基础范式到数字孪生和大语言模型驱动的新兴技术

  引言：能源系统的智能化转型全球能源体系正经历一场深刻的变革，其驱动力来自于日益增长的能源需求、应对气候变化的紧迫性以及对能源系统效率、可靠性和韧性的更高要求。传统的集中式、单向供电网络已难以有效管理间歇性可再生能源（IRES）的大规模接入和动态多变的负荷需求。在此背景下，智能电网（Smart Grid, SG）的概念应运而生，旨在通过先进的信息、通信和控制技术，实现能源生产、传输、分配和消费各环节的动态、智能互联。人工智能（Artificial Intelligence, AI）与机器学习（Machine Learning, ML）作为这场变革的核心引擎，为应对智能电网的复杂性提供了创新的解决

  来源：Energy Conversion and Management-X

  时间：2025-10-12

• 面向低功耗物联网设备的LoRaWAN无线增量固件更新技术bpatch：一种轻量级差分补丁生成与重构方法

  在蜂群健康监测、环境传感等远程物联网应用中，设备往往部署在难以触及的区域，依靠电池供电长期运行。这些设备需要通过无线方式（Over-the-Air, OTA）进行固件更新以修复漏洞或升级功能，但传统方式需要传输完整固件镜像，而低功耗广域网（LoRaWAN）等物联网通信协议带宽极低，传输百KB级固件往往需要数百分钟，期间射频模块持续工作，能耗巨大，严重缩短设备续航。尤其对于采用LoRaWAN Class C模式（射频常开）的设备，其能耗比休眠的Class A模式高三个数量级，使得频繁更新变得不可行。现有差分更新技术如bsdiff、VCDIFF等虽能压缩数据，但往往依赖外部压缩算法或复杂计算，需要

  来源：Internet of Things

  时间：2025-10-12

• 面向恶意低功耗有损网络的安全群智路径选择框架：基于RPL协议的蚁群优化方法

  在物联网时代，低功耗有损网络(Low-power and Lossy Networks, LLNs)作为连接物理世界与数字世界的重要桥梁，正广泛应用于智能城市、工业自动化和环境监测等领域。然而，这类网络固有的动态拓扑、不可靠链路和资源受限等特性，使其在面对恶意攻击时显得尤为脆弱。特别是包丢弃攻击(Packet Dropping Attacks, PDAs)，攻击者通过选择性丢弃数据包的方式，严重破坏了网络的通信可靠性。传统安全方案因计算开销大难以在资源受限的LLNs中部署，这一安全与资源的矛盾成为制约物联网发展的关键瓶颈。针对这一挑战，曼彻斯特大学的研究团队在《Internet of Thin

  来源：Internet of Things

  时间：2025-10-12

• 综述：全球可持续能源目标下氢能生产技术的综合评述：途径与应用

  氢能生产技术路径综述引言氢能作为低碳可持续能源系统的关键载体，在工业、交通和住宅能源领域具有广泛应用。其环境效益高度依赖于生产技术：灰氢通过蒸汽甲烷重整（SMR）产生，伴随高碳排放（9-14 kg CO2/kg H2）；蓝氢结合SMR与碳捕集封存（CCS），可减少47-53%排放；绿氢通过可再生能源电解水实现近零排放；蓝绿氢（甲烷热解）则产生固体碳副产物，避免CO2释放。热化学过程蒸汽甲烷重整（SMR）是当前主流技术，成本仅1-2美元/kg，但需依赖化石燃料。其反应为CH4 + H2O → CO + 3H2，后续水煤气变换反应（CO + H2O → CO2 + H2）进一步提高产氢量。集成CC

  来源：Energy Conversion and Management-X

  时间：2025-10-12

• 基于优化分解与深度学习的超短期风电功率预测方法研究

  随着全球能源转型加速，风能作为最具潜力的可再生能源之一，其装机容量持续快速增长。然而，风功率固有的间歇性和波动性给电网规划、调度运行带来了巨大挑战。特别是超短期预测（分钟至小时级）的准确性，直接关系到电网实时平衡与风电消纳效率。传统物理模型依赖高精度数值天气预报，计算资源需求大；统计方法虽计算较快但受限于数据质量；而基于注意力机制的深度学习模型（如Transformer）虽能捕捉长期依赖，却存在计算复杂度高、对数据分布偏移敏感等问题。更关键的是，风电序列中蕴含的多时间尺度动态关联（如湍流与季节变化的耦合效应）及信号非平稳特性，尚未被现有模型充分挖掘与处理。为突破这些瓶颈，研究人员在《Energ

  来源：Energy Conversion and Management-X

  时间：2025-10-12

• FedAWT：面向异构客户端的自适应联邦学习动态轮次调整方法

  随着物联网和边缘计算的快速发展，联邦学习作为分布式机器学习范式，能够在保护数据隐私的前提下实现多方协同建模。然而在实际应用场景中，特别是移动ad-hoc网络环境下，客户端设备存在显著的异构性问题——包括计算能力、网络状况、能量储备等方面的差异，导致传统联邦学习算法面临收敛速度慢、资源利用率低等挑战。现有方法通常采用固定的本地训练轮次，难以适应动态变化的网络环境，严重制约了联邦学习在边缘计算场景下的应用效果。针对这一难题，埃及电子研究所电力电子与能源转换系的M. Saber Eltohamy等研究人员在《Internet of Things》上发表了题为"FedAWT: Adaptive fed

  来源：Internet of Things

  时间：2025-10-12

• 综述：面向电动汽车的高效能源管理系统：控制技术与应用的进展

  引言当代交通系统中电动汽车（EV）的快速普及对电网集成提出了前所未有的挑战，需要复杂的能源管理系统（EMS）来确保可靠高效的运行。随着全球交通基础设施向电气化转型，车辆能源需求、电网稳定性要求及可再生能源集成之间的协调成为关键的技术挑战。EMS作为核心技术，能够有效协调电动汽车、充电基础设施和电网之间的复杂互动，同时保持最佳性能和系统可靠性。现代EMS实施必须适应不同类型的车辆，包括纯电动汽车（BEV）、混合动力电动汽车（HEV）、插电式混合动力电动汽车（PHEV）和燃料电池电动汽车（FCEV），每种类型都有独特的EMS要求和电网交互特性。电动汽车的大规模成功部署从根本上取决于先进的EMS能力

  来源：Energy Conversion and Management-X

  时间：2025-10-12

• 综述：当代智能水培系统：分类、使能技术与挑战

  引言水培农业作为一种无土栽培的可持续农业技术，正随着智能技术的融合而快速发展。据市场报告显示，水培市场规模在2024年已达155.7亿美元，并预计以11.1%的复合年增长率增长，到2029年将达到289.5亿美元。这一增长不仅源于资源高效利用和耕地稀缺的现实需求，更得益于垂直农业、气雾培等智能农业创新技术的推动。物联网（IoT）赋能自动化监控，人工智能（AI）实现预测分析，中间件则确保实时控制，共同将水培系统从机械操作升级为信息物理融合的智能种植环境。水培系统的基本构成一个典型的水培系统包含多个协同工作的核心组件：作物生长空间、人工光照系统、生长基质（如陶粒、岩棉）以及储存和输送营养液的储液池

  来源：Internet of Things

  时间：2025-10-12

• 物联网赋能深度学习方法在干旱条件下水库水位预测与决策支持中的应用研究

  随着气候变化导致的干旱加剧、用水需求增长和快速城市化，全球水资源可持续管理正面临严峻压力。在西班牙加泰罗尼亚地区，这种压力尤为突出——水库经常处于临界低水位状态，威胁着民用、工业和农业供水安全。传统水文模型往往缺乏响应能力和可扩展性，特别是在没有实时环境反馈的情况下运行。物联网（IoT）和人工智能（AI）的最新进展为预测性和适应性水资源管理提供了新的机遇。加泰罗尼亚的内部流域（Conques Internes）是巴塞罗那大都市区的主要供水来源，具有高用水需求和显著的季节性变化特征。该地区经历了2021-2023年的严重干旱，水库蓄水量比五年平均水平低18%以上，这使得开发准确的水资源预测工具变

  来源：Internet of Things

  时间：2025-10-12

• 教育技术影响力评估的创新框架：多指标整合与评级系统研究

  随着教育技术(EdTech)在全球K12教育领域的快速普及，其质量参差不齐和影响力评估缺失的问题日益凸显。当前教育技术市场存在超过55万个教育应用程序，仅美国学区就使用约1200个学习平台，然而这些工具的实际教育效果却鲜为人知。更令人担忧的是，现有的评估框架多达75种，各自为政，缺乏统一标准，导致学校采购部门难以做出科学决策。这种评估标准的碎片化不仅降低了教育技术公司改进产品质量的动力，也阻碍了优质教育技术资源的有效推广。在这一背景下，由挪威斯塔万格大学Natalia Kucirkova教授领衔的国际研究团队在《COMPUTERS and EDUCATION》发表了开创性研究，提出了"多重教育

  来源：COMPUTERS and EDUCATION

  时间：2025-10-12

• 萨尔瓦多国家地震风险模型：灾害管理中的创新发展与应用

  背景中美洲地峡的概率地震危险性（PSHA）研究始于1970年代初[1]。两项里程碑式研究包括Singh等人（1993）[2]支持1994版抗震设计规范制定的早期评估，以及整合更新地震目录和现代地震动模型（GMPE）的区域性项目RESIS II [3]。相比之下，该地区大多数地震风险研究直至21世纪初才陆续出现。2010年...萨尔瓦多地震危险性早期概率地震危险性评估（PSHA）为萨尔瓦多提供了重要但有限的基础。首张全国危险性图由Singh等人于1993年[2]编制，支撑了次年发布的抗震规范。该研究使用2,790次地震（1898-1988）目录和基于中美洲强震记录标定的单一地震动预测方程（GMP

  来源：International Journal of Disaster Risk Reduction

  时间：2025-10-12

• 基于MACD指标与社交媒体大数据的城市洪涝事件近实时检测新方法及其在应急管理中的应用

  Highlight突发事件指短时间内发生的异常现象（Xin and Shasha, 2006）。事件检测系统专注于识别特定时间段内引发大量相关话题讨论的重要事件（Hasan et al., 2019）。根据研究侧重点的不同，从海量文本数据中检测突发事件的方法可大致分为两类：基于时间序列的事件检测和基于内容的事件检测。Method尽管Sun等人（2012）和Tamura等人（2015）已开展了基于MACD的突发事件检测研究，但仍有一些挑战未解决。首先，这些研究使用MACD柱状图值大于0作为突发事件触发的条件。如本研究3.2节所分析，该触发条件在混沌状态下会导致大量误检，因为此时MACD柱状图的波

  来源：International Journal of Disaster Risk Reduction

  时间：2025-10-12

• 基于开放数据与过程挖掘的城市气象灾害链风险识别：跨城市知识转移的集成方法

  Section snippetsUrban meteorological disaster cascading risk identification based on process mining在城市气象灾害（UMD）的预防阶段，政府关注如何管理灾害相关风险以最小化未来潜在影响。灾害风险管理可分为四个阶段：风险识别、风险分析、风险评价和风险处理。风险识别是UMD风险管理中最基础的组成部分，它优先确定需要关注和资源投入的领域和问题，以降低灾害风险。An integrated approach of process mining and cross-city knowledge transfe

  来源：International Journal of Disaster Risk Reduction

  时间：2025-10-12

• 气候韧性发展路径规划新方法：基于动态适应路径的科克市案例研究

  随着全球气候变化影响日益加剧，城市正面临着前所未有的复合型挑战。洪涝、热浪等极端天气事件频发，而城市化进程又带来碳排放增加、资源分配不均等新问题。尽管国际社会普遍认识到气候适应(Adaptation)、减缓(Mitigation)与可持续发展(Development)（简称AMD）必须协同推进，但现实中的政策制定往往仍处于"各自为战"的状态。这种碎片化 approach 不仅导致资源浪费，还可能引发"适应不良"或"减缓失效"的负面效应。例如，为应对高温而大规模安装空调虽能缓解热应激，却会加剧能源消耗和碳排放；城市绿化本可提升气候韧性，但若规划不当反而可能引发绅士化现象，背离社会公平的可持续发展

  来源：Global Environmental Change

  时间：2025-10-12

• 水下无线传感器网络中基于移动定位技术的节点深度估计研究

  浩瀚的海洋覆盖了地球大部分表面，蕴藏着丰富的资源和无数未解之谜。然而，对人类而言，深海环境依然是一个充满挑战的未知领域。为了探索和监测这片广袤的水下世界，科学家们开发了水下无线传感器网络（Underwater Wireless Sensor Networks, UWSNs）。这些网络由大量部署在海洋中的传感器节点组成，能够收集温度、盐度、污染物浓度、海洋生物活动等宝贵数据，广泛应用于海洋学研究、环境监测、资源勘探和国防安全等领域。与人们熟悉的陆地无线传感器网络不同，水下环境给网络通信和节点定位带来了前所未有的困难。最核心的挑战在于，全球定位系统（GPS）的信号无法穿透水体，使得水下节点无法像地

  来源：Franklin Open

  时间：2025-10-12

• 共振增强深紫外拉曼光谱技术：实现有色摇头丸中MDMA的高灵敏快速检测

  在当代法庭科学领域，非法药物的快速现场检测正面临日益严峻的挑战。随着新型精神活性物质(NPS)的不断涌现，执法部门急需能够适应复杂样本矩阵的便携式检测技术。传统拉曼光谱技术虽具有分子特异性识别优势，但在面对有色摇头丸等实际样本时，常常遭遇荧光背景干扰的瓶颈问题——当使用可见光区激光(如532 nm)激发时，样本中的色素或杂质会产生强烈荧光，完全掩盖目标物的特征拉曼信号。即便采用更长波长的785 nm或1064 nm激光器，仍难以彻底解决深色样本吸光导致的信号衰减问题。针对这一技术困境，荷兰警方国家法医服务中心的Lars Jasperse团队在《Forensic Science Internat

  来源：Forensic Science International

  时间：2025-10-12

• UTooth：基于深度学习的法医死后CT扫描牙齿三维分割新方法

  模型评估我们采用医学图像分割的金标准指标——Dice系数来评估UTooth的性能，该指标通过计算预测结果与真实标注之间的重叠度来提供平衡的评估：Dice = 2 × |Prediction ∩ GroundTruth| / (|Prediction| + |GroundTruth|)。Dice系数的取值范围为0（无重叠）到1（完美重叠），通常认为高于0.7表示分割效果良好，高于0.8则属于优秀水平。UTooth在严格的10折交叉验证中表现出色，平均Dice系数达到0.831 ± 0.061，其中表现最佳的单次验证结果高达0.897，这证明了我们的方法在标准分辨率死后CT扫描中具备卓越的牙齿分割

  来源：Forensic Chemistry

  时间：2025-10-12

• 有限理性下的双边匹配与工作邀约套餐优化：一种两阶段随机方法

  研究亮点基于前一节所识别的研究空白，本研究提出了六项关键贡献，总结如下：•匹配中的有限理性建模：我们的模型将有限理性引入经典的双边匹配框架，承认组织在决策中面临信息不完全的现实。通过将量化响应均衡（QRE）引入招聘匹配，我们解决了传统模型假设完美优化的一个关键局限。这一整合代表了QRE在就业市场匹配问题中的首批应用之一。•有限理性参数的实证校准：我们首次针对招聘情境对有限理性参数进行了实证估计。利用来自伊朗EPC公司的三年真实组织数据，我们量化了决策理性如何随时间演变，高级职位的学习率（δ）为0.0150，而低级职位为0.0047。这种实证基础验证了QRE框架，并揭示了招聘经理通过经验逐渐变得

  来源：Expert Systems with Applications

  时间：2025-10-12

知名企业招聘：