• KnowFlow：通过知识流优化代理技术提升图学习能力

  图神经网络知识驱动设计框架的跨领域应用研究一、研究背景与问题提出图神经网络（GNN）作为处理非欧几里得数据的核心工具，已在社交网络分析、分子性质预测、异常检测等场景取得显著成效。然而，不同领域的应用存在三大核心差异：数据结构（如分子图与社交网络拓扑差异）、任务类型（节点分类与图分类的建模需求区别）以及领域知识（生物医药与金融风的特征工程差异）。传统GNN设计主要依赖领域专家隐性经验，存在三大技术瓶颈：知识获取的碎片化、设计过程的黑箱化、性能调优的高成本化。二、方法体系架构研究团队构建了"知识准备-动态应用"双循环框架（图1）。知识准备层采用多模态数据源，涵盖顶级会议论文（如NeurIPS、IC

  来源：Neural Networks

  时间：2025-11-27

• 基于频域伪标签动态混合监督和部分Dice约束的弱半监督心脏MRI分割方法

  心血管疾病（CVDs）作为全球主要死亡原因，其诊断效率与准确性直接影响患者生存质量。磁共振成像（MRI）凭借无创性、高分辨率和软组织对比优势，已成为心脏结构评估的核心手段。然而传统人工分割耗时且误差率高，亟需智能化解决方案。当前深度学习分割方法主要分为三类：完全监督式（依赖精细标注）、无监督式（性能受限）和弱监督半自动式（标注量少但效果稳定）。其中弱监督方法因符合实际标注资源稀缺的现状，成为近年研究热点。在弱监督框架下，现有方法主要围绕伪标签生成与监督策略展开创新。伪标签生成通常采用超像素分割结合 scribble 标记（如Li等2024），或基于多分支网络预测融合（如Wang等2023）。但

  来源：Neural Networks

  时间：2025-11-27

• 从“Gig”到“Genes”：西摩·莱文（Seymour Levine）在发育应激神经生物学领域留下的持久遗产

  Seymour "Gig" Levine的奠基性研究对神经生物学领域的影响如同普罗米修斯盗取的火种，持续照亮着早期生命经历与成年生理行为间复杂关联的探索之路。其开创性工作不仅颠覆了传统认知中基因决定论的固有范式，更构建起连接宏观行为观察与微观分子机制的理论框架，这种跨尺度的研究范式至今仍是神经发育生物学领域的核心方法论。在早期研究阶段，Levine团队通过系统性的行为观察与生理实验，揭示了母性行为与HPA轴发育的精密耦合机制。其标志性的"短暂分离-母性接触"实验范式（1957-1970年间完成）证明，仅有数分钟的母婴分离即可引发长期神经内分泌重构。这种看似微小的干预产生的持续性效应，促使学界重

  来源：Neurobiology of Stress

  时间：2025-11-27

• MC-HSTA：一种用于交通流预测的多源跨域混合时空注意力网络

  交通流预测是智能交通系统（ITS）中的关键技术，其核心目标是通过分析时空关联性实现未来交通状态的准确预测。当前主流方法主要分为网格化与图神经网络两类，前者通过规则网格划分城市区域并利用卷积神经网络提取局部空间特征，但难以捕捉复杂城市路网的非线性时空关系；后者将城市路网建模为图结构，通过图神经网络（GNN）实现全局关联性建模，显著提升了预测精度。然而，现有方法在数据稀缺场景下面临双重挑战：首先，跨域依赖建模不足导致知识迁移效率低下；其次，源域与目标域的数据分布差异（即领域偏移）严重制约模型泛化能力。针对上述问题，研究团队提出多源跨域混合时空注意力模型（MC-HSTA）。该模型创新性地将混合时空注

  来源：Neural Networks

  时间：2025-11-27

• 用于事件因果关系识别的多层次编码器架构

  事件因果识别研究中的多层级编码框架创新事件因果识别作为信息抽取领域的核心任务，其本质在于通过文本语义分析判断两个事件是否存在直接的因果关系。近年来随着深度学习技术的进步，研究者开始关注如何有效整合多维度文本信息。本文提出的多层级编码架构（MEA）通过系统性整合四个不同粒度的语义信息，在保持模型泛化能力的同时显著提升因果判断准确率。研究背景与问题定位事件因果识别（ECI）作为自然语言处理的重要分支，在金融风险预测、生物医学研究、智能客服系统等领域具有广泛应用价值。传统方法主要依赖特征工程，通过人工设计规则提取事件特征。虽然这类方法具有可解释性优势，但存在两大缺陷：首先，人工特征设计受限于特定领域

  来源：Neural Networks

  时间：2025-11-27

• 利用机器学习从心电图（ECG）中分类睡眠阶段：评估信号持续时间的影响

  这篇研究专注于利用单通道心电图（ECG）信号进行睡眠阶段分类，旨在为可穿戴设备开发提供理论支持。通过对比不同时间窗口（5分钟与30秒）和机器学习模型（神经网络、KNN、XGBoost、随机森林），研究揭示了ECG信号在睡眠监测中的潜力与局限。### 核心发现1. **时间窗口的关键作用** - **5分钟窗口**：使用ECG提取HRV和Poincaré图特征，神经网络模型准确率达67%。较长的信号窗口能够捕捉更稳定的生理波动，如深睡眠（N3）阶段的副交感神经主导特征。 - **30秒窗口**：缩短至30秒后，所有模型准确率骤降（神经网络仅40%）。短时信号丢失了深层次的心率变异性模

  来源：Neurobiology of Sleep and Circadian Rhythms

  时间：2025-11-27

• 溶血磷脂酸衍生物是一种新型的治疗候选药物，适用于具有前颗粒蛋白缺乏症的小鼠额颞叶痴呆模型

  该研究聚焦于肿瘤微环境中NADPH氧化酶（NOX）的功能及其对免疫细胞行为的调控机制。研究团队通过构建多组学实验体系，包括基因编辑小鼠模型、药物干预实验及多组学测序分析，揭示了NOX在肿瘤免疫抑制中的关键作用，并首次证实抑制NOX活性可有效激活抗肿瘤免疫应答。### 一、研究背景与科学问题肿瘤微环境（TME）普遍存在免疫抑制特征，这已成为限制抗肿瘤免疫治疗疗效的主要障碍。NOX家族酶作为活性氧（ROS）的主要来源，在多种病理生理过程中发挥关键作用。既往研究多关注NOX在氧化应激反应中的作用，但其在肿瘤免疫微环境中的功能尚未完全阐明。特别是NOX是否通过调控免疫细胞代谢或功能状态来维持肿瘤免疫抑

  来源：Neurobiology of Aging

  时间：2025-11-27

• 在欺骗攻击下确保离散时间马尔可夫跳跃系统的事件触发控制：以直流电机设备为例

  离散时间马尔可夫跳变系统在欺骗攻击下的事件触发控制方法研究（一）研究领域背景随着工业自动化与智能控制系统的广泛应用，基于马尔可夫跳变模型（Markov Jump System, MJS）的动态系统控制逐渐成为研究热点。这类系统能有效描述具有随机结构突变特性的工程对象，典型应用场景包括电力网络、机器人运动控制、工业机器人等复杂动态系统。然而，在开放网络环境下，系统面临日益严重的网络安全威胁，特别是欺骗攻击（Deception Attack）这类通过发送虚假控制指令获取敏感信息的行为，对传统控制策略构成严峻挑战。（二）研究核心问题与创新点1. **双重挑战应对**：研究同时面临系统动态不确定性和网

  来源：Neural Networks

  时间：2025-11-27

• 跨领域检索中的中心相似性联合学习

  广东工业大学计算机科学与技术学院的研究团队在跨域图像检索领域提出了创新方法——中央相似性联合学习（CSJL）。该方法针对现有技术存在的两大核心问题展开突破性研究：其一，传统方法过度追求域层面的特征对齐，而忽视了不同类别在跨域环境中的语义关联性；其二，现有哈希编码技术对多源语义信息的整合不足，导致跨域检索时语义结构完整性受损。通过构建包含三个关键组件的协同优化框架，CSJL实现了跨域检索性能的显著提升。在问题背景方面，当前图像检索系统普遍面临"数据异构性"的严峻挑战。以电商平台应用场景为例，产品数据库通常采用专业设备拍摄的高质量图像（背景纯净、光线可控），而用户端查询图像则多来自手机拍摄（背景复

  来源：Neural Networks

  时间：2025-11-27

• OOPS：基于异常值检测和二次规划的结构化剪枝方法，用于大型语言模型

  Jiateng Wei|Siqi Li|Jingyang Xiang|Jiandang Yang|Jun Chen|Xiaobin Wei|Yunliang Jiang|Yong Liu浙江大学网络系统与控制研究所，杭州，310027，中国摘要大型语言模型（LLMs）的庞大模型规模和资源消耗限制了它们在许多场景中的部署和应用。结构化剪枝为这一挑战提供了解决方案。根据剪枝后是否需要重新训练，LLMs的结构化剪枝方法可分为两类：无需重新训练的和需要重新训练的。无需重新训练的方法通常会导致性能显著下降，而需要重新训练的方法可能需要大量的计算资源。为了解决这些限制，我们提出了一个名为OOPS（基于异常

  来源：Neural Networks

  时间：2025-11-27

• Hermite型神经网络运算符：基于导数信息的框架在功能性神经成像与信号处理中的应用

  该研究提出了一种结合Hermite插值与Kantorovich积分的神经网络算子框架，旨在解决非均匀采样、噪声干扰及信号微分结构建模的难题。通过构建HNN（Hermite型神经网络算子）和HKNN（Hermite-Kantorovich型神经网络算子），研究团队实现了对信号梯度、曲率等微分特征的显式建模，并在神经影像学领域开展了验证。**核心创新点与理论框架** 传统神经网络在近似函数时主要依赖信号值本身，而该研究首次系统性地将一阶导数（梯度）和二阶导数（曲率）信息整合到神经网络架构中。具体而言，HNN通过局部泰勒展开捕捉信号的微分特征，在隐藏层神经元中显式引入信号值及其导数；而HKNN则采

  来源：Neural Networks

  时间：2025-11-27

• 综述：基于脉冲神经网络的预测编码：综述

  这篇综述系统性地探讨了预测编码理论在斯皮克神经元（即离散动作电位神经元）中的实现形式及其在神经形态计算中的应用潜力。研究团队通过理论框架分析与技术实现路径的双重视角，将现有方法划分为三类核心范式：显式误差编码、膜电位动态编码以及隐式突触调整机制。这种分类体系不仅为后续研究提供了清晰的坐标系，更揭示了不同实现路径在神经形态硬件适配性上的本质差异。在理论溯源层面，研究追溯了预测编码从统计学习理论到神经科学模型的演进脉络。早期基于连续激活神经元的模型（如Rao和Ballard的层次生成模型）奠定了预测误差驱动的信息处理框架，而Friston提出的变分贝叶斯框架则拓展了该理论在概率推理中的应用边界。这

  来源：Neural Networks

  时间：2025-11-27

• MEF2C相关综合征的表观特征识别

  摘要神经发育障碍（NEDHSIL）表现为肌张力低下、手部刻板动作和语言能力受损，该病也被称为MEF2C相关障碍或MEF2C单倍基因缺陷综合征（MCHS）。其病因是肌细胞增强因子-2C（MEF2C）基因发生致病性变异。本研究旨在识别NEDHSIL特有的DNA甲基化特征，并探讨其与其它已知甲基化特征的相似性。研究人员对携带MEF2C突变的患者及其对照组进行了全基因组DNA水平分析，发现了差异性甲基化的CpG位点。通过生物信息学分析，研究人员开发出一种分类器，该分类器基于EpiSign知识数据库中的对照组数据及其他已知甲基化特征障碍进行了训练。该分类器在识别NEDHSIL样本方面表现出较高的准确性、

  来源：European Journal of Human Genetics

  时间：2025-11-27

• 当一个经常被提示的响应集合很少被其他替代方案取代时，对响应执行的抑制控制

  摘要本研究探讨了在频繁出现的反应偶尔被替代为另一种反应时，对反应执行的抑制控制机制。健康参与者会反复根据一个频繁出现的虚假提示（虚假试验）产生单手或双手运动反应。偶尔，会呈现一个信号提示，指示执行另一种反应（信号试验）。在虚假试验中，当提示的是单手反应时，未被提示的（对侧）反应发生的概率低于信号试验中的概率。这表明对不频繁出现的反应的主动抑制作用比对频繁出现的反应更强烈。当潜在的反应集合数量较多时，由虚假提示指示的反应的反应时间会更长。这表明，由于主动抑制所需的信息处理量增加，对频繁出现的反应的主动延迟现象会更加明显。当参与者偶尔不执行频繁出现的双手反应中的单手动作时，反应时间也会增加。这表明

  来源：Experimental Brain Research

  时间：2025-11-27

• 综述：在行动与感知的参照控制理论背景下，协同作用及其他相关行为

  摘要当被放置在平坦表面上时，脊髓损伤的青蛙的后肢能够产生精确的擦拭反射，以清除前肢上的一小片浸有弱酸溶液的纸。通过被动改变前肢的位置，可以调整身体图式以及皮肤刺激物相对于身体的坐标，但青蛙仍然能够多次有效地清除刺激物并准确擦拭受影响的皮肤区域。同样，健康的人类尽管手臂运动存在较大差异（导致锤子运动轨迹的变化，这是伯恩斯坦提出的协同作用示例），仍能保持敲击动作的精确性。本文提出了对这些协同作用背后的神经机制的解释，这些机制此前尚未被揭示。这一解释是基于“参照控制理论”（Reference Control Theory, RCT）提出的，该理论是对“平衡点假说”（Equilibrium-Point

  来源：Experimental Brain Research

  时间：2025-11-27

• 新冠后遗症引起的疲劳与住院后大脑皮层厚度减薄有关

  本研究通过多中心、前瞻性队列设计，系统探究了住院COVID-19患者脑结构改变及其与长期疲劳和认知功能的关联性。研究纳入了57例住院患者及57例匹配的健康对照者，采用高分辨率T1加权MRI进行脑皮质厚度和基底节区体积分析，并借助蒙特利尔认知评估量表（MoCA）和疲劳严重程度量表（FSS）评估认知功能与疲劳症状。### 脑结构改变特征1. **皮质厚度显著降低** 患者组在颞叶、海马旁回等区域皮质厚度较对照组降低（p<0.05，FDR校正）。其中颞叶前部（涉及嗅觉处理）和边缘系统（如前扣带回）的厚度减少尤为显著。这种改变与急性期病情严重程度呈正相关，重症患者（需机械通气）的皮质变薄程度更

  来源：Annals of Clinical and Translational Neurology

  时间：2025-11-27

• 青少年亨廷顿病：时机至关重要

  在Schultz等人撰写的社论《青少年亨廷顿病：时机至关重要》（“Juvenile Huntington Disease: Timing Is Everything”）1中，第三段的第四句话应修改为：“与成人发病（AOHD）相比，儿童期发病的JOHD患者出现神经认知症状的比例（47.50%）显著更高，而青少年期发病的JOHD患者出现精神症状的比例（47.12%）也更高（成人发病组中神经认知症状为15.0

  来源：Neurology

  时间：2025-11-27

• 围手术期脑健康：问题的范围与神经科医生的作用

  摘要在本文中，我们重点关注了神经学领域一个相对较少被研究的课题——围手术期脑健康。在回顾了该问题的范围后，我们呼吁神经学家加入多学科合作，共同努力降低围手术期中风、认知障碍和死亡率的发生率，并提出了实现最佳围手术期脑健康所需的行动路线图。

  来源：Neurology

  时间：2025-11-27

• 多发性硬化症中脑脊液Kappa-游离轻链与皮质和脑室周围脑损伤的关联

  多发性硬化症患者κ-FLC水平与MRI脑损伤指标的关联性研究κ-FLC（κ型游离轻链）作为评估中枢神经系统免疫活性的新型生物标志物，近年来在多发性硬化症（MS）诊断和预后评估中受到广泛关注。本研究通过系统性分析脑MRI影像特征与κ-FLC浓度的关联，揭示了该生物标志物在反映神经炎症和结构损伤方面的临床价值。研究背景显示，κ-FLC通过定量检测血脑屏障渗透性免疫球蛋白G合成水平，展现出与经典诊断指标 oligoclonal bands（OCBs）相似的临床敏感性。但现有研究多聚焦于横断面数据，对κ-FLC与MRI时间序列参数的关联机制尚未完全阐明。特别是对于病变分布的空间异质性及其与免疫活性的空

  来源：Neurology

  时间：2025-11-27

• 童年时期的疼痛会改变中枢杏仁核中表达促肾上腺皮质激素释放因子的神经元的兴奋性，并在青春期引发应激诱导的过度敏感反应

  新生儿重症监护室（NICU）中的医疗干预可能对婴幼儿神经系统发育产生长期影响。研究表明，重复性疼痛刺激（如常规采血操作）会导致早产儿和健康足月儿出现痛觉过敏，这种状态可能通过中央杏仁核（CeA）中表达促肾上腺皮质激素释放因子（CRF）的神经元介导。CeA不仅是情绪反应的重要中枢，还参与痛觉的整合，其内源性CRF系统通过调节神经活动影响痛觉和焦虑反应。早期生活疼痛经历（如NICU中的反复穿刺）会导致CeA-CRF神经元数量在青少年期显著减少，同时这些神经元在急性期表现出异常兴奋性。实验采用"两次打击"模型：首次在出生后第1-7天进行模拟NICU的重复性机械疼痛刺激，第二次在青少年期通过恐惧条件反

  来源：Frontiers in Behavioral Neuroscience

  时间：2025-11-27

知名企业招聘：