• 使用视盘照片的儿科神经眼科医生对视神经乳头水肿和假性视神经乳头水肿的分类的一致性和准确性

  摘要 背景： 序列眼底摄影常用于区分视乳头水肿和假性视乳头水肿，但关于儿童眼底图像评估的评分者间一致性和准确性的数据有限。本研究的目的是评估儿科神经眼科医生在分类患有视乳头水肿和假性视乳头水肿儿童的眼底照片时的共识度和准确性。 方法： 在这项横断面研究中，3位匿名的专家（儿科神经眼科医生）对来自多个中心的眼底图像集进行了分类，这些儿童根据病史、体格检查、辅助眼科检查、神经影像学检查和/或腰椎穿刺的结果被诊断为视乳头水肿或假性视乳头水肿。使用Fleiss kappa（κ）系数

  来源：Journal of Neuro-Ophthalmology

  时间：2025-11-20

• 使用监督式机器学习算法预测特发性颅内高压诊断患者的不良视觉预后

  摘要 背景： 特发性颅内高压（IIH）是一种威胁视力的疾病，主要影响育龄女性。及时诊断和干预对于防止视力丧失至关重要，但目前缺乏能够预测视力结果的可靠工具。本研究的目的是开发一种机器学习算法，在确诊IIH时预测患者的不良视力结局，并对初始视力正常的患者和视力不佳的患者进行风险分层。 方法： 利用电子健康记录，我们在2012年6月1日至2023年9月30日期间进行了一项回顾性队列研究。所有年龄在0至70岁之间、被诊断为IIH并符合修订后的诊断标准的患者均被纳入分析范围。共有3

  来源：Journal of Neuro-Ophthalmology

  时间：2025-11-20

• 特发性颅内高压与妊娠期高血压疾病的风险增加有关

  摘要 背景： 特发性颅内高压（IIH）主要发生在育龄期、超重或肥胖的女性中。由于这一年龄段的女性可能怀孕，因此了解IIH与怀孕之间是否存在关联非常重要。本研究的目的是确定妊娠期间IIH的发病情况，以及IIH是否与妊娠期高血压疾病（HDP）有关。 方法： 在这项回顾性队列分析中，我们使用了三级医疗中心的电子健康记录来识别IIH患者。纳入了2012年6月1日至2023年9月1日期间被诊断为IIH或视乳头水肿的患者。符合Dandy修订诊断标准的患者，会被评估其在IIH诊断前、诊断

  来源：Journal of Neuro-Ophthalmology

  时间：2025-11-20

• 提升光学相干断层扫描的诊断能力：利用机器学习方法检测自身免疫性炎症疾病

  摘要 背景： 在包括印度在内的世界许多地区，自身免疫性炎症性疾病的发病率正在上升，例如视神经脊髓炎谱系疾病（NMOSD）、髓鞘少突胶质细胞糖蛋白抗体相关疾病（MOGAD）和多发性硬化症（MS）。由于诊断工具不足，诊断常常被延误。机器学习（ML）模型利用基于光学相干断层扫描（OCT）的视网膜图像，能够准确区分MS患者的眼睛和健康对照组（HCs）的眼睛。研究视网膜的OCT特征可能有助于早期识别这些疾病。本研究的目的是确定基于视网膜周边神经纤维层（pRNFL）、神经节细胞-内丛层（GCIPL）和内核层（INL）的OCT

  来源：Journal of Neuro-Ophthalmology

  时间：2025-11-20

• 评估使用碳酸酐酶抑制剂治疗的特发性颅内高压患者发生肾结石的风险

  摘要 背景： 随着全球肥胖症的流行，特发性颅内高压（IIH）的发病率正在上升。碳酸酐酶抑制剂（CAIs），如乙酰唑胺，已被证明对IIH有效，但同时也可能导致肾结石的形成。本研究评估了接受CAIs治疗的IIH患者发生肾结石的风险。 方法： 本研究利用TriNetX数据库进行了一项回顾性队列研究，比较了接受CAIs治疗的IIH患者与未接受治疗的对照组。通过倾向评分匹配（PSM）来平衡人口统计学和临床变量。主要结局指标是3个时间段的肾结石发生率：1年、1-2年和2-3年，这些时间

  来源：Journal of Neuro-Ophthalmology

  时间：2025-11-20

• 光子计数探测器CT：新时代的曙光

  摘要 光子计数探测器CT是一种新兴技术，有望显著改变临床实践。它大幅克服了传统CT的局限性，提供了超高的空间分辨率、能够抑制金属伪影，并降低了辐射剂量。我们报告了一例44岁患者的病例，该患者表现为注视诱发的视力丧失，并有眼眶内异物残留的历史。在传统CT上，由于金属伪影的影响，无法准确定位异物；而磁共振成像（MRI）则因患者情况而不适合进行。光子计数探测器CT有效地定位了异物，并为后续治疗提供了指导。这项新技术在神经眼科领域的潜在应用仍在探索中。

  来源：Journal of Neuro-Ophthalmology

  时间：2025-11-20

• 深度学习赋能的超分辨率技术：架构演进、跨模态统一与未来展望

  在当今数字视觉时代，人们对高分辨率图像和视频的需求日益增长，从医疗影像诊断到手机摄影，从安防监控到虚拟现实，无处不在呼唤更清晰的视觉体验。然而，由于硬件限制、传输带宽和存储成本等因素，我们获取的图像和视频往往分辨率有限。如何通过算法将低分辨率图像"还原"成高分辨率版本，这一被称为超分辨率(Super-Resolution, SR)的技术，成为了计算机视觉领域的重要挑战。传统的超分辨率方法主要依赖于手工设计的特征和复杂的数学建模，如稀疏编码和邻域嵌入技术。这些方法虽然在一定程度上能够提升图像质量，但存在三个明显局限：首先，需要专家知识来设计从低分辨率到高分辨率的映射函数，这个过程往往效率低下且难

  来源：Proceedings of the IEEE

  时间：2025-11-20

• 在部分可观测性的条件下，利用矩阵补全方法学习配电网络的拓扑结构和参数

  摘要：由于测量数据有限，拓扑参数的信息不完整且不准确，这影响了主动配电网络的状态监测、控制以及监控。为了解决这些问题，我们提出了一种结合拓扑增强功能的图卷积网络（TE-GCN）来估计拓扑结构和参数。通过将节点之间的物理连接关系纳入模型，并将功率流（PF）方程作为节点特征，增强了图卷积网络（GCN）的可解释性。这使得GCN能够从数据中学习节点之间的相互依赖关系，从而在保持系统物理特性的同时实现准确的参数估计。对于那些没有电压测量数据的节点（即隐藏节点），我们使用神经网络来恢复电压矩阵，并加入PF约束条件。然后利用GCN来估计功率流方程，同时确保物理一致性。为了从获取的节点测量数据中学习拓扑结构，

  来源：IEEE Transactions on Power Systems

  时间：2025-11-20

• 基于拓扑感知图神经网络的状态估计方法，用于无法观测功率系统的流式式电流互感器（PMU）

  摘要：传统的基于优化的时间同步状态估计（SE）技术通常面临较高的在线计算负担、有限的逆变器式相位测量单元（PMU）覆盖范围以及非高斯测量噪声的问题。尽管已经开发了基于学习的模型来克服这些挑战，但它们会受到拓扑变化和实时数据丢失的负面影响。本文提出了一种基于图神经网络（GNNs）的新型深度几何学习方法，用于估计PMU无法观测的电力系统的状态。该方法结合了图卷积和多头图注意力层，构建在一个定制的端到端学习框架中，以处理拓扑变化和实时数据丢失问题。同时，还推导出了SE误差关于拓扑变化的上限。针对不同测试系统的实验结果表明，在存在拓扑变化、PMU故障、数据异常、非高斯测量噪声和大型系统部署的情况下，所

  来源：IEEE Transactions on Power Systems

  时间：2025-11-20

• 通过基于物理知识的图学习方法解决大规模机组调度问题

  摘要：单元承诺（Unit Commitment, UC）问题通常被构建为混合整数程序（Mixed-Integer Program, MIP），并通过分支定界（Branch-and-Bound, B&B）算法求解。图神经网络（Graph Neural Networks, GNN）的最新进展使得GNN能够通过学习“下沉”和“分支”的策略来提升现代MIP求解器的性能。现有的用于解决MIP问题的GNN模型大多基于数学公式构建，在处理大规模UC问题时计算成本较高。在本文中，我们提出了一种基于物理特性的分层图卷积网络（Physics-Informed Hierarchical Graph Convolut

  来源：IEEE Transactions on Power Systems

  时间：2025-11-20

• 基于数据的反演与预测方法，用于检测油浸式变压器热点温度

  摘要：变压器热点温度的控制是确保其安全运行的关键。因此，操作人员特别关注热点温度及其在不同运行条件下的变化。大型油浸式变压器的热点温度难以直接测量。本研究提出了一种数据驱动的方法来反演和预测油浸式变压器的热点温度。通过结合油浸式变压器的结构参数和监测数据，可以开发出用于实时计算热点温度的反演模型。基于多维时间序列数据，利用循环神经网络和卷积神经网络的优势来完成变压器热点温度的预测。以一台运行中的油浸式变压器为例，所提出的热点温度反演模型在测试数据集上的评估结果显示，热点温度反演的绝对误差小于0.3°C，计算时间小于0.02秒；在测试数据集上的热点温度预测中，该模型的绝对误差也小于0.8°C。这

  来源：IEEE Transactions on Power Delivery

  时间：2025-11-20

• 基于部分单调神经网络的电力系统自适应最优一次频率控制：稳定性保证的强化学习方法

  随着分布式能源（Distributed Energy Resources, DERs）的大规模并网，电力系统正经历一场深刻的变革。然而，这些以逆变器接口为主的能源（Inverter-Based Resources, IBRs）在替代传统同步发电机的同时，也带来了新的挑战——系统惯量（Inertia）下降和阻尼（Damping）特性改变，导致电网频率稳定性面临严峻考验。传统的基于下垂控制（Droop Control）的策略虽然简单可靠，但局限于线性反馈，难以充分发挥逆变器的快速调节潜力，甚至在复杂工况下可能引发系统失稳。因此，开发既能保证稳定性、又能自适应系统参数变化的新型非线性控制算法，已成为

  来源：IEEE Open Access Journal of Power and Energy

  时间：2025-11-20

• 基于图学习的电力系统健康评估模型：图卷积与注意力机制在频率和功角稳定性预测中的应用

  随着电力系统能源结构的多元化发展，电网稳定性波动日益加剧，这对电网运营商的实时监控能力提出了更高要求。传统电力系统安全评估主要依赖于时域仿真或潮流计算，虽然精度较高但计算耗时，难以满足近实时监控的需求。特别是在电网快速过渡到新运行状态时，时域仿真的速度往往无法跟上系统变化节奏。这种矛盾促使研究人员探索机器学习技术在电网安全评估中的应用潜力。《IEEE Open Access Journal of Power and Energy》最新发表的研究提出了一种创新解决方案——基于图学习的电力系统健康评估模型。该研究由加州大学河滨分校KOJI YAMASHITA等学者合作完成，致力于解决动态安全评估中

  来源：IEEE Open Access Journal of Power and Energy

  时间：2025-11-20

• 低速运行下开关磁阻发电机的高效能直接瞬时转矩控制技术研究

  随着环境污染、能源短缺等问题日益凸显，风力发电系统(WECS)、水力发电厂以及混合动力或电动汽车等领域对高效电能转换技术的需求持续增长。开关磁阻发电机(SRG)因其结构简单、无需永磁体等优势，正逐渐成为传统发电机的理想替代方案。然而，SRG在发电模式下的低速运行时，存在两个突出难题：功率转换效率较低和电磁转矩脉动过高。传统的直接瞬时转矩控制(DITC)策略在低速工况下，会在退相期间启用磁化状态，这不仅造成不必要的开关损耗，还会引发电流峰值和转矩突变，最终导致系统整体效能下降。为解决这一技术瓶颈，来自巴西阿克雷联邦大学和坎皮纳斯大学的研究团队在《IEEE Open Access Journal

  来源：IEEE Open Access Journal of Power and Energy

  时间：2025-11-20

• 基于图神经网络的电力系统电压稳定性虚假数据注入攻击检测方法

  随着信息通信技术（ICT）深度融入现代电力系统，电网运行效率与控制能力显著提升的同时，也面临着日益严峻的网络安全威胁。其中，虚假数据注入攻击（False Data Injection Attack， FDIA）通过恶意篡改传感器测量数据，可误导控制系统决策，进而引发电压失稳、大规模停电等严重后果。传统FDIA检测方法存在明显局限：一方面往往忽视针对电压调节的特定攻击，另一方面主要依赖静态阈值和简单异常检测技术，难以捕捉电压稳定、网络攻击与防御措施之间的复杂相互作用。为解决上述挑战，发表于《IEEE Open Access Journal of Power and Energy》的研究论文“Gr

  来源：IEEE Open Access Journal of Power and Energy

  时间：2025-11-20

• 面向弹性电网的智能分区技术综述：机器学习与深度学习的融合与应用

  随着全球能源转型的加速，电力系统正变得前所未有的复杂和互联。可再生能源（RES）的大规模接入，虽然为清洁能源发展注入了活力，却也给电网的稳定运行带来了严峻挑战。其固有的间歇性和波动性，使得电网更易受到扰动，甚至引发大规模的连锁故障，导致灾难性的大停电。近年来，从美国德州到欧洲电网，一系列严重的停电事故不断警示我们，现代电力系统在面对意外事件时显得尤为脆弱。报告显示，德州电网曾距离全面崩溃仅剩4.37分钟，这凸显了提升电网韧性的紧迫性。在此背景下，如何将庞大的互联电网科学地划分为多个既能独立稳定运行又能协同互动的分区，即电力电网分区（PGP），成为了电力工程领域一个至关重要的研究课题。传统的分区

  来源：IEEE Open Access Journal of Power and Energy

  时间：2025-11-20

• 基于图神经网络极限模型的动态时空电力系统虚假数据注入攻击检测新方法

  随着全球能源基础设施数字化进程的加速，电力系统正面临着日益严峻的网络安全挑战。据2022年微软数字防御报告显示，针对关键基础设施的网络攻击比例已从2021年的20%飙升至40%。其中，虚假数据注入攻击(FDIAs)因其高度隐蔽性和破坏性尤为引人关注——攻击者通过篡改智能电表采集的功率测量数据，向控制中心注入恶意信息，可能导致电压失稳、设备过载甚至大规模停电事故。2022年10月俄罗斯对乌克兰电网的协同网络攻击就是FDIA的典型案例，这次事件导致SCADA(监控与数据采集)系统被植入恶意软件，凸显了电力系统网络安全防御的紧迫性。传统基于模型驱动的检测方法依赖精确的系统数学模型，在实际应用中面临参

  来源：IEEE Open Access Journal of Power and Energy

  时间：2025-11-20

• 基于迁移学习的电磁暂态识别数据驱动方法及其在智能电网中的应用

  引言电磁暂态（EMT）是电力系统中因故障、开关操作或雷击引发的常见电能质量问题，可能导致绝缘故障、电力电子设备损坏等严重后果。传统EMT识别方法依赖训练与测试数据同分布的假设，但实际中不同变电站或随时间变化的EMT数据分布存在差异，限制了识别模型的泛化能力。本文提出一种基于迁移学习的识别网络（TLRN），通过域不变特征学习实现跨分布场景的精准EMT识别。迁移学习驱动的EMT识别方法TLRN网络架构TLRN由四部分构成：1.特征提取器：采用5层卷积神经网络（CNN）模块，每层包含卷积层（卷积核窗口长度m=5）和最大池化层（池化长度l=5或4），自动提取EMT波形特征。输入为三相电压矩阵（维度10

  来源：CSEE Journal of Power and Energy Systems

  时间：2025-11-20

• 基于稀疏波形编码和简单卷积神经网络的故障馈线检测算法：该算法采用多尺度滤波器以及一层卷积层来进行故障识别

  在电力系统中，中性点非有效接地的配电网中存在一种被称为“故障馈线检测”的关键技术。这项技术的核心目标是快速准确地识别出发生故障的线路，从而保障电力供应的安全性与稳定性。在实际应用中，故障馈线检测的准确性和效率直接影响电力系统的运行质量与故障处理能力。然而，传统的故障馈线检测方法在面对复杂故障情况和干扰噪声时，往往存在识别效果不佳的问题，这限制了其在实际工程中的应用。近年来，研究人员越来越多地采用复杂的数字信号处理技术以及深度神经网络（DNN）来提取和学习故障信号中的详细特征。这些方法虽然在某些情况下表现良好，但由于其模型结构复杂，计算成本高，且容易出现过拟合现象，因此在实际应用中难以满足对准确

  来源：CSEE Journal of Power and Energy Systems

  时间：2025-11-20

• 基于图计算的电力系统知识推理方法：考虑知识图谱的稀疏性

  知识图谱作为一种快速发展的技术，已在商业和工程领域展现出强大的应用潜力。它在推荐系统和决策支持中发挥着重要作用，尤其在电力行业，其应用场景更加广泛。然而，电力领域的知识图谱具有复杂的因果关系网络，节点数量庞大、边的类型多样且结构稀疏，这些特性使得传统的人工处理方式难以保证数据质量和准确性。因此，如何在这些挑战下提升知识图谱的分类和推理性能成为亟待解决的问题。本文提出了一种基于图计算的知识推理方法，通过考虑电力知识图谱的稀疏性，以提升图分类任务和知识推理任务的准确性。该方法采用Haar基来实现快速计算，并引入多尺度网络结构以确保分类的准确性和模型的泛化能力。通过在NCI-1、CEPRI_UHVP

  来源：CSEE Journal of Power and Energy Systems

  时间：2025-11-20

知名企业招聘：