• 通过减少CPEB3的泛素化来下调海马CA1区的Neuralized1表达，会介导突触可塑性的损伤以及神经病理性疼痛中的认知缺陷

  摘要神经性疼痛常伴随认知缺陷。在海马区，Neuralized1（Neurl1）介导的CPEB3泛素化对学习和记忆至关重要。然而，Neurl1在神经性疼痛引起的认知障碍中的作用仍不明确。在本研究中，我们发现雄性大鼠接受腰5脊神经结扎（SNL）后会出现神经性疼痛，并伴随海马区的学习和记忆能力下降以及长时程增强（LTP）受损。SNL后，海马CA1区域的Neurl1表达水平降低，这一下降与CPEB3的泛素化程度降低以及GluA1和GluA2的合成减少相吻合。在海马CA1区域过表达Neurl1可以恢复认知功能、改善LTP受损情况，并逆转SNL后CPEB3泛素化程度的降低以及GluA1和GluA2合成减少

  来源：Neuroscience Bulletin

  时间：2025-11-19

• 循环中的SNHG1/miR-194-5p和颈动脉超声在短暂性脑缺血患者中预测脑梗死发作的价值

  这项研究聚焦于一种重要的临床问题——短暂性脑缺血（Transient Cerebral Ischemia, TCI）患者发生脑梗死（Cerebral Infarction, CI）的风险预测。TCI是脑梗死的前兆，常常被忽视，因为它可能表现为短暂的神经功能障碍，症状在短时间内自行缓解。然而，TCI的存在可能预示着未来脑梗死的高风险，因此，如何在早期准确识别这类患者成为临床实践中的重要挑战。当前，尽管已有多种临床风险因素被用于评估CI的发生概率，如高血压、糖尿病和高脂血症等，但这些指标在预测个体风险方面仍存在一定的局限性。同时，影像学检查如颈动脉超声虽然在诊断和治疗评估中具有重要作用，但在早期C

  来源：Frontiers in Molecular Neuroscience

  时间：2025-11-19

• 癸酸（一种MCT饮食成分）能够缓解由长期摄入D-半乳糖和D-半乳糖/AlCl3诱导的加速衰老及神经毒性小鼠模型中的认知障碍和细胞衰老现象，并促进自噬作用

  随着年龄的增长，认知能力逐渐下降，这增加了老年人患痴呆症和阿尔茨海默病的风险。近年来，中链甘油三酯（MCT）生酮饮食因其在对抗与年龄相关的认知衰退方面的潜力而受到关注。然而，尽管MCT饮食被广泛研究，但其中特定成分——癸酸和辛酸在神经保护方面的具体作用机制仍未完全明确。本研究旨在探讨这两种成分在加速衰老及阿尔茨海默病样神经毒性模型中的神经保护作用，以期为预防和延缓认知衰退提供新的科学依据。### 1. 研究背景认知衰退是指随着年龄增长，大脑功能逐渐下降，表现为记忆力减退、决策能力下降、推理能力减弱、语言功能障碍和思维能力降低。阿尔茨海默病是一种严重的认知退化，显著影响患者的生活质量。世界卫生组

  来源：Frontiers in Aging Neuroscience

  时间：2025-11-19

• 路易体痴呆中皮萨综合征的认知和神经精神特征的界定

  Pisa综合征（PS）是一种罕见的姿势异常，主要表现为躯干的持续性侧弯，通常在坐、站或行走时出现或加重，而在仰卧位或被动活动时可得到改善或完全缓解。尽管PS在帕金森病（PD）和阿尔茨海默病（AD）等神经退行性疾病中已有较多研究，但在路易体痴呆（DLB）患者中，PS的报道却相对较少。因此，本研究旨在探讨DLB患者中PS的发生是否与特定的认知功能障碍、神经精神症状（NPS）以及照护者的负担存在关联，从而为临床干预和照护策略提供新的视角。DLB是一种以路易体病理特征为标志的神经退行性疾病，其临床表现包括认知波动、视幻觉、帕金森样运动障碍以及快速眼动睡眠行为障碍（RBD）。这些症状不仅影响患者的日常生

  来源：Frontiers in Aging Neuroscience

  时间：2025-11-19

• 从异养海洋微生物Aurantiochytrium mangrovei和Crypthecodinium cohnii中生产13C标记的二十二碳六烯酸，为通量组学研究提供了可能

  DHA（二十二碳六烯酸）作为一种关键的ω-3长链多不饱和脂肪酸，对人类大脑和眼睛的健康具有深远影响。它是神经保护的重要成分，同时也对视觉功能和认知发展起着关键作用。DHA的缺乏与多种眼部疾病如黄斑变性和青光眼，以及神经退行性疾病如阿尔茨海默病（AD）密切相关。由于人体自身合成DHA的能力有限，主要依赖于饮食摄入，因此DHA的补充在维持大脑健康和预防疾病方面具有重要意义。为了深入研究DHA的代谢过程和其在体内的转化路径，研究人员通常使用稳定同位素（如¹³C）或放射性同位素（如³H、¹⁴C）作为示踪剂。然而，这些方法存在成本高、使用受限等缺点，限制了研究的广度和持续时间。本研究旨在开发一种可持续的

  来源：Frontiers in Bioengineering and Biotechnology

  时间：2025-11-19

• NMPC行为克隆中的对比学习方法用于海洋车辆的通用轨迹跟踪

  摘要：最近的研究广泛探讨了利用神经网络表示控制策略的方法，这些网络具备强大的通用函数逼近能力。模仿学习能够复制专家的熟练程度，从而大幅减少部署专家所需的资源。在这项研究中，我们旨在使用神经网络来模仿非线性模型预测控制（NMPC）策略，从而降低优化的计算需求。在轨迹跟踪问题中，虽然运动状态的范围（如操作速度）可以很容易地确定，但为可能的轨迹定义数据分布仍然具有挑战性。为了提高模仿学习的效率并学习通用的轨迹跟踪策略，我们提出了一种利用对比学习来学习轨迹表示的方法。通过使用该方法学习到的特征，我们可以识别出具有代表性的轨迹，并用较少的示范数据来模仿NMPC策略。此外，作为神经网络表示的训练好的策略可

  来源：IEEE Journal of Oceanic Engineering

  时间：2025-11-19

• 基于动态平衡单源域泛化模型（DBSS-DG）的跨姿态肌电控制鲁棒性研究

  随着智能可穿戴设备的快速发展，基于表面肌电信号（surface Electromyography, sEMG）的手势识别技术已成为人机交互（Human-Computer Interaction, HCI）领域的重要研究方向。然而，现有研究多集中于实验室环境下的静态姿态（如站立或坐姿），而实际应用中用户可能在不同身体姿态（如行走、躺卧）下使用设备，导致sEMG信号的幅值和频率特征发生显著变化，进而引发手势识别准确率下降。研究表明，姿态变化可使分类误差从3.8%升至18%，严重制约了sEMG交互系统的实用化进程。这一问题的核心在于：电极与肌肉的相对位移、稳定姿态的无关肌肉收缩等因素会改变信号分布，

  来源：IEEE Transactions on Neural Systems and Rehabilitation Engineering

  时间：2025-11-19

• 基于表面肌电信号的多重注意力卷积网络(MACNet)在运动疲劳多级评估中的创新应用

  运动疲劳是体育训练和康复过程中常见的生理现象，它不仅影响训练效果，还可能导致运动损伤。尤其对于神经系统疾病患者，如多发性硬化症、帕金森病患者，超过60%会出现严重肌肉疲劳。传统疲劳评估方法主要依赖主观感受或简单的生理指标，难以实现精准量化。表面肌电信号(sEMG)作为一种非侵入式检测技术，虽然能够反映肌肉活动状态，但由于信号的非线性、个体差异以及采集过程中的噪声干扰，使得基于sEMG的疲劳评估面临巨大挑战。现有研究大多将疲劳状态简单分为"疲劳"和"非疲劳"两类，这种二元分类方法无法满足实际应用中对疲劳程度精细划分的需求。传统机器学习方法依赖人工特征提取，往往难以捕捉sEMG信号中的复杂特征。而

  来源：IEEE Transactions on Neural Systems and Rehabilitation Engineering

  时间：2025-11-19

• 肌萎缩侧索硬化症运动前阶段EEG频谱功率与相干性异常的神经机制研究

  当我们的身体想要完成一个简单的动作，比如伸手拿起一杯水，大脑需要提前做好准备——这个"准备阶段"被称为运动前阶段。对于肌萎缩侧索硬化症(ALS)患者来说，这种看似简单的准备过程可能已经出现了问题。ALS是一种进行性神经退行性疾病，主要影响运动神经元，导致肌肉萎缩和无力。虽然以往研究多关注于ALS患者在运动执行时的大脑活动变化，但运动前阶段——即运动输出之前的大脑网络功能状态——在ALS中如何变化，至今仍不清楚。以往研究表明，健康个体在运动前2秒就开始出现明显的大脑活动变化，这些活动与运动准备、计划和注意力调节密切相关。然而，关于ALS患者运动前阶段脑功能的研究结果却存在矛盾：有的研究发现β频段

  来源：IEEE Transactions on Neural Systems and Rehabilitation Engineering

  时间：2025-11-19

• 基于贝叶斯优化特征选择的fNIRS技术对成人ADHD的高精度分类研究

  在精神健康诊疗领域，成人注意缺陷多动障碍(ADHD)的诊断始终面临着巨大挑战。与儿童ADHD相比，成人患者的诊断更为复杂，目前主要依赖主观性较强的临床访谈和自评量表，缺乏可靠的客观生物标志物。这种诊断方式的局限性导致成人ADHD的漏诊率高达80%以上，且常与焦虑、抑郁等共病精神障碍难以区分。更棘手的是，现有的神经影像技术如功能磁共振成像(fMRI)虽然空间分辨率高，但成本昂贵、操作复杂，而脑电图(EEG)虽便携却空间分辨率有限，均难以在临床推广。正是在这样的背景下，一项发表于《IEEE Transactions on Neural Systems and Rehabilitation Engi

  来源：IEEE Transactions on Neural Systems and Rehabilitation Engineering

  时间：2025-11-19

• 基于深度学习的脑卒中后肌电解码：从特征构建到网络设计的系统性研究

  当脑卒中患者试图重新获得对手部的控制时，他们的康复之路往往充满挑战。传统的康复治疗需要治疗师一对一辅助训练，不仅人力成本高，而且难以保证训练强度的一致性。随着社会老龄化加剧，这种劳动力密集型的康复模式愈发难以满足临床需求。机器人辅助康复技术的出现为这一困境带来了转机，特别是"按需辅助"（AAN）训练模式，能够在患者尝试运动时提供恰到好处的助力，既鼓励主动参与，又能保证训练强度。然而，要实现真正意义上的AAN训练，核心在于如何准确识别患者的运动意图。在众多生理信号中，表面肌电信号（sEMG）因其富含神经控制信息、便携性好且 electromechanical latency（电机械延迟）较低等优

  来源：IEEE Transactions on Neural Systems and Rehabilitation Engineering

  时间：2025-11-19

• 基于模糊熵的高密度表面肌电信号揭示脑卒中后痉挛肌肉时空变异性的速度依赖性变化

  当脑卒中患者试图活动肢体时，常常会遇到肌肉不自主紧绷的困扰，这种现象在医学上称为痉挛（spasticity）。它是上运动神经元综合征的典型表现，约20%-50%的卒中患者会受到其影响。痉挛不仅导致疼痛和关节挛缩，还会降低关节灵活性，严重影响患者的日常生活质量。尽管Lance早将痉挛定义为由牵张反射过度兴奋引起的肌肉不自主激活，但关于这种异常激活过程中运动单元（Motor Unit, MU）募集的时间模式和空间分布特性，至今仍缺乏直接证据。传统观点认为，痉挛主要源于脊髓运动神经元的超兴奋性，但由于技术限制，我们难以精确捕捉肌肉在被动拉伸时的瞬时响应特征。高密度表面肌电（High-Density

  来源：IEEE Transactions on Neural Systems and Rehabilitation Engineering

  时间：2025-11-19

• 亚急性腰痛患者前伸任务中的脑电波特征：探索疼痛强度与运动相关神经网络的动态关联

  腰痛如同一个狡猾的隐形访客，不仅让患者坐立难安，更可能长期盘踞不去，最终演变为慢性疼痛。在疼痛的演变历程中，亚急性腰痛(sLBP)如同一个关键十字路口——约半数患者在此阶段走向慢性化，但科学家们对其背后的大脑活动变化却知之甚少。以往研究多聚焦于急性或慢性疼痛，而处于过渡期的亚急性腰痛患者在进行日常动作时，大脑内部究竟上演着怎样的电波交响？这个问题犹如一块缺失的拼图，阻碍着我们全面理解疼痛的神经机制。为解开这一谜团，来自台湾阳明交通大学与振兴医院的研究团队在《IEEE Transactions on Neural Systems and Rehabilitation Engineering》发表

  来源：IEEE Transactions on Neural Systems and Rehabilitation Engineering

  时间：2025-11-19

• 卧床患者臀部自动辅助翻身生物力学建模与评估及其在压力性损伤预防中的意义

  对于长期卧床的患者来说，压力性损伤（Pressure Ulcers, PUs）是一个常见的严重并发症。这些损伤通常发生在骨骼突出部位，比如臀部，由于持续的压力和剪切力导致局部组织缺血、缺氧，最终引发组织损伤。尽管护理人员会定期为患者翻身以缓解压力，但人工翻身不仅劳动强度大，而且难以保证频率和角度的精确性。近年来，自动倾斜护理床的出现为这一问题提供了新的解决方案，它能够通过调整床的角度来实现自动辅助翻身。然而，如何确定最佳的翻身角度，既能有效减轻压力，又不会增加患者的风险（如跌落），仍然是一个悬而未决的问题。更重要的是，目前缺乏能够准确模拟辅助翻身过程中深部组织（如肌肉和脂肪）力学响应的模型，这

  来源：IEEE Transactions on Neural Systems and Rehabilitation Engineering

  时间：2025-11-19

• 基于可穿戴多模态脑机接口鼠标的肌萎缩侧索硬化患者日常辅助系统

  想象一下，当你的身体逐渐被"冻住"，意识却异常清醒，这是一种怎样的体验？对于肌萎缩侧索硬化(ALS)患者来说，这正是他们每天必须面对的现实。ALS是一种进行性神经退行性疾病，患者的上、下运动神经元会逐渐受损，导致四肢活动能力不断恶化，最终甚至无法完成说话、行走等基本日常活动。然而令人遗憾的是，尽管身体功能严重受限，患者的认知能力和感觉系统却通常保持正常，这种"清醒的禁锢"使得他们迫切需要一种不依赖肢体功能的辅助系统。目前，虽然脑机接口(BCI)技术为ALS患者带来了一线希望，但大多数研究仍停留在实验室阶段，真正能投入日常使用的产品寥寥无几。问题在于，现有系统往往操作复杂、成本高昂，且受环境条件

  来源：IEEE Transactions on Neural Systems and Rehabilitation Engineering

  时间：2025-11-19

• 基于深度学习与超声舌像的端到端汉语语音重建：面向喉切除患者的语音功能康复新策略

  当喉癌患者接受全喉切除手术后，他们永远失去了发声能力，这导致严重的生理和心理困扰。目前临床常用的食管发音、气管食管穿刺发音和电子喉等康复手段各存局限：食管发音气流供应不稳定，气管食管发音需要二次手术且维护困难，电子喉产生的语音机械单调且缺乏音高变化，对汉语这类声调语言尤为不利。值得注意的是，大多数喉切除患者的上声道发音器官（包括舌部）保持完整，这为利用发音器官运动信息重建语音提供了可能。舌作为最关键的发音器官，其灵活运动蕴含丰富的发音信息。超声成像技术以其实时、无创、无辐射等优势，成为捕捉舌运动的理想工具。然而，以往研究多采用"超声图像→语音特征→语音波形"的两步法，存在信息损失和误差累积问题

  来源：IEEE Transactions on Neural Systems and Rehabilitation Engineering

  时间：2025-11-19

• 超声引导提升胫骨截肢者肌电电极定位精度：与触诊法的对照研究

  当“意念走”遇上“肉找不到”，一场关于肌电（EMG）接口的暗战在残肢上悄然打响。传统触诊靠手指“摸肌肉”，可术后组织瘢痕、肌肉萎缩、皮下脂肪把解剖地图撕得七零八落，电极一放就歪，信号里混入隔壁肌肉的“串音”，假肢于是“听不懂”主人到底想踮脚还是外翻。更糟的是，电极偏移仅10 mm，模式识别准确率便陡降——这在窄窄的胫骨前肌（TA）或腓骨长肌（PL）上几乎不可避免。临床调试因此陷入“反复拆-贴-试”的死循环，患者疲惫，技师抓狂。为破局，冰岛大学健康科学学院联合Össur假肢公司组成跨界小组，把超声探头请进诊室：既然手摸不准，那就让声波“看见”肌肉。团队假设，用超声直接锁定肌腹最厚处并顺纤维方向贴

  来源：IEEE Transactions on Neural Systems and Rehabilitation Engineering

  时间：2025-11-19

• 本体感觉损伤对前馈运动控制的影响：基于脑损伤患者指鼻任务运动学分析的横断面研究

  当我们伸手触摸自己的鼻子时，这个看似简单的动作背后隐藏着精密的神经调控机制。中枢神经系统通过内部模型来预测和优化运动行为，其中正向模型通过整合运动指令副本和本体感觉信息，预测动作执行后的身体状态。小脑被认为是实现这一模型的关键脑区，而本体感觉系统则负责在运动执行过程中提供反馈校正。然而，当这些神经系统出现损伤时，患者会表现出相似的运动障碍症状——感觉性共济失调和小脑性共济失调都表现为运动失调、意向性震颤和动作不流畅等现象。这两种不同类型的神经系统损伤是如何影响运动控制机制的？它们是否通过共同的神经通路导致相似的运动障碍表现？这些问题一直是神经康复领域亟待解决的重要科学问题。为了深入探究这一问题

  来源：IEEE Transactions on Neural Systems and Rehabilitation Engineering

  时间：2025-11-19

• 基于不确定性引导对比图像注视范式的早期自闭症谱系障碍筛查新方法

  在全球自闭症谱系障碍(ASD)患病率持续攀升的背景下，早期诊断与干预已成为改善预后的关键。然而，传统基于问卷的临床筛查方法如社交反应量表(SRS-2)和重复行为量表(RBS-R)存在主观性强、耗时长等局限。近年来，眼动追踪技术通过揭示ASD患者独特的视觉偏好特征，为客观诊断提供了新途径。但现有方法仍面临两大挑战：一是刺激范式多聚焦社交障碍而忽视系统化能力评估，二是深度学习模型未能充分考虑个体差异对诊断效果的影响。针对这些难题，发表于《IEEE Transactions on Neural Systems and Rehabilitation Engineering》的最新研究提出了一种创新解决

  来源：IEEE Transactions on Neural Systems and Rehabilitation Engineering

  时间：2025-11-19

• 基于sEMG和多自由度耦合动态运动的踝关节主动力矩在线估计框架

  在康复医学领域，踝关节复合体（AJC）作为人体承重和运动的关键枢纽，其功能恢复质量直接影响患者的行动能力。传统踝关节康复机器人虽能提供定制化训练方案，但训练过程中存在的被动力矩干扰问题一直未能有效解决。这种被动力矩源于下肢骨骼肌和韧带的固有特性，虽然对维持关节稳定性具有重要作用，却会掩盖由肌肉收缩产生的主动力矩——这才是反映患者真实康复进展的核心指标。如何从机器人传感器检测的总力矩中精准分离出主动力矩成分，成为提升康复训练效果的关键瓶颈。现有研究方法主要存在两大局限：基于Hill肌肉骨骼模型的传统方法虽能阐释从sEMG信号到关节力矩的完整生理过程，但在处理AJC三自由度（DO/PL：背屈/跖屈

  来源：IEEE Transactions on Neural Systems and Rehabilitation Engineering

  时间：2025-11-19

知名企业招聘：