• 综述：血管性认知障碍和痴呆（VCID）：2025年杰克逊实验室研讨会会议纪要

  本文是对“血管性认知障碍和痴呆（VCID）2025研讨会”的深度综述。会议核心揭示了血管病变是阿尔茨海默病（AD）及相关痴呆（ADRD）的核心致病特征，而非单纯的共病。文章系统阐述了神经血管单元（NVU）功能障碍、脑淀粉样血管病（CAA）、白质高信号（WMH）等关键病理环节，并强调了外周脂代谢（如APOE4、CETP）、高血压等全身性因素的重要影响。全文为理解血管在认知衰退中的机制及发现新的生物标志物与治疗靶点提供了前沿视角。

  来源：Mammalian Genome

  时间：2026-03-16

• 雪白侧耳（Pleurocybella porrigens）线粒体基因组首次解析及其在伞菌目（Agaricales）中的系统发育定位

  本研究首次报道了有毒蘑菇雪白侧耳（Pleurocybella porrigens）的完整线粒体基因组序列，其大小为63,054 bp，包含18个蛋白质编码基因、2个rRNA基因和25个tRNA基因。研究通过构建最大似然（ML）系统发育树，证实了该物种是伞菌目（Agaricales）中一个独立且基础的分支，为理解其神经毒性（如急性脑病）的演化背景及后续比较基因组学研究提供了宝贵参考。

  来源：Mitochondrial DNA Part B

  时间：2026-03-16

• MGSR：多粒度选择与重构技术在多模态异常情感检测中的应用

  提出MGSR框架解决多模态异常情感检测中的固定时间步对齐问题，动态划分视频、音频、面部模态粒度，结合交叉注意力机制和GAAM增强模型对异常情感的识别能力，在HateMM和MUStARD数据集上表现最优。

  来源：Neurocomputing

  时间：2026-03-16

• 自适应邻域粗糙集模型中针对异构数据的区间值测试成本敏感特征选择

  针对异构数据中测试成本难以精确量化的问题，本文提出基于自适应邻域粗糙集的区间值测试成本敏感特征选择方法，通过数据驱动的参数自适应邻域半径设计解决传统方法固定半径的局限性，结合区间概率度排名方法量化不确定成本，构建特征重要性评估函数，设计启发式算法平衡分类性能与测试成本，并开发新评估指标验证效果，实验表明该方法在高风险场景中表现优异。

  来源：Neurocomputing

  时间：2026-03-16

• 基于深度神经网络的自动化变压器设计，用于多级宽带毫米波功率放大器

  提出一种基于深度神经网络的自动化1:1变压器设计流程（DNN-ATD），用于多级宽带毫米波功率放大器（PA），通过代理电磁求解器和饱和输出功率预测模型显著缩短设计周期。测试表明在130nm SiGe工艺下，设计的PA实现了20-60GHz和40-100GHz频段的高性能指标。

  来源：IEEE Transactions on Microwave Theory and Techniques

  时间：2026-03-16

• 儿童获得性脑损伤后早期神经心理学结局的纵向研究：揭示关键恢复窗口期的认知恢复模式

  这篇前瞻性纵向先导研究填补了儿科获得性脑损伤（ABI）关键早期恢复期研究的空白。研究发现，在伤后早期，尽管全量表智商（FSIQ）保持正常，但患儿在加工速度、抑制控制、认知灵活性和言语记忆等核心认知领域已出现显著损害。一年随访显示，部分功能（如加工速度、认知灵活性）恢复正常，而抑制控制和言语流畅性则持续受损，凸显了早期、综合性神经心理学评估和多领域靶向康复在神经可塑性关键窗口期的重要性。本研究为制定个性化干预方案提供了初步依据。

  来源：Applied Neuropsychology: Child

  时间：2026-03-16

• 通过脑岛的神经反馈训练来提升神经反馈表现中的自我认知能力——一项可行性研究

  实时fMRI神经反馈研究显示，10名健康志愿者通过心率计数任务成功定位岛叶，但梯度反馈未能区分激活强度，自我评估与实际激活仅呈弱相关，表明岛叶活动自我意识机制存在局限。

  来源：Neuropsychologia

  时间：2026-03-16

• 具有几何感知能力的、依赖于视图的3D超声隐式表示重建

  3D超声场景通过二维超声图像重建的研究，提出基于隐式神经表示的几何感知方法，结合物理渲染模型和多尺度哈希编码提升反射与散射的区分能力，实验验证了高几何精度和物理属性估计优势。

  来源：Neurocomputing

  时间：2026-03-16

• 基于色谱条件的有机化合物结构与荧光关系多变量建模：概念验证研究

  虽然荧光提供宝贵的分析信息，但其理论解析仍具挑战。为探究荧光响应的内在机制，研究人员利用多元建模方法，对117种化合物在RP‑HPLC‑FLD条件下的荧光行为进行了系统研究。通过PLS和ANN模型，该研究明确了影响荧光强度的关键理化性质与结构描述符，并成功预测未知分子的荧光信号，为色谱条件下荧光行为的理论预测提供了实验支撑和计算框架。

  来源：Journal of Chromatography Open

  时间：2026-03-16

• 基于时序多关系图神经网络的联邦学习恶意客户端检测新范式

  针对联邦学习（FL）实际部署中存在的恶意客户端行为不可预测、发动协同延时攻击、并利用非独立同分布（non-IID）数据异质性隐匿攻击行为等安全挑战，TMRGNN研究将FL安全问题重新构想为一个多视图时序推理问题。该研究构建了参数、梯度、预测和通信四种互补的关系图，并利用图注意力机制从良性异质性中区分微弱的恶意信号，同时通过时序特征引擎和GRU融合层捕捉长时间范围的对抗漂移。在多项实验中，该方法对早期攻击实现了100%召回率，对30%恶意客户端下的协同延时攻击召回率达0.91-0.97，并能够有效识别极难检测的慢漂移攻击。该工作证明了时序多关系图学习是保护下一代联邦学习系统的一种高效范式。

  来源：IEEE Open Journal of the Communications Society

  时间：2026-03-16

• 动态时间规整聚类：稳健识别fNIRS运动任务功能网络的非监督新方法

  本文提出一种非监督动态时间规整（DTW）聚类框架，以应对fNIRS脑机接口（BCI）应用中血流动力学反应存在显著时间变异性所带来的挑战。该方法通过容纳非线性时间偏移，在公开的30人fNIRS运动数据集上验证，其网络识别准确率（53.17%）显著优于标准皮尔逊相关性方法（48.06%, p<0.05）。该框架成功检测到符合解剖学的不同调制模式：足部敲击时上内侧激活，手部敲击时单侧激活。研究证明，这是一种稳健的数据驱动方法，在识别运动任务中的功能网络方面优于传统线性方法，为下一代异步脑机接口（BCI）开发展示了潜力。

  来源：Sensors

  时间：2026-03-16

• 基于深度神经网络与热动力学的芦苇热解研究：实验分析与反应建模

  本研究通过热重分析，结合深度神经网络（DNN）模型，系统探讨了芦苇（Phragmites australis）作为生物质能源原料的热解潜力。研究严格按照国际热分析与量热学联合会（ICTAC）的动力学建模建议，在多个升温速率下（5、10、20 °C·min−1）获得了热重（TG）与微分热重（DTG）数据，并通过模型拟合与无模型动力学方法，确定了反应机理、活化能等关键动力学参数。研究结果表明，DNN模型能高精度预测热解过程，揭示了芦苇热解在生物能源转化与生物复合材料催化中的潜在应用价值。

  来源：Journal of Taibah University for Science

  时间：2026-03-16

• 基于RGB事件混合双目相机的深度估计

  深度估计方法研究基于RGB事件双目相机，提出多尺度相似特征融合模块和局部disparity回归方法，解决传统RGB双目深度估计的挑战，实验验证优于现有方法。

  来源：Neurocomputing

  时间：2026-03-16

• 在噪声高斯混合模型中改进聚类质量评估

  提出特征重要性重标（FIR）方法，通过调整高维或噪声数据集中特征权重，增强聚类验证指标（如平均轮廓宽度、Calinski-Harabasz、Davies-Bouldin）与真实标签的相关性，实验证明FIR在提升评估鲁棒性和减少性能波动方面效果显著。

  来源：Neurocomputing

  时间：2026-03-16

• 10×10非晶InGaZnO忆阻器交叉阵列的特性研究及其在1T1M集成中的二进制神经网络性能表现

  本研究通过Mo/Al2O3/IGZO/Pd多层结构制备了10×10 a-IGZO被动交叉阵列及TFT，验证了a-IGZO作为1T1M统一材料平台的可行性。器件实现>1000 on/off比，500+循环耐久性，1V读取下稳定双极开关特性，并通过SPICE模拟验证主动矩阵配置的读取余量优势，为神经形态硬件开发提供新方案。

  来源：IEEE Transactions on Electron Devices

  时间：2026-03-16

• 融合边缘信息与地理先验的两阶段扩散模型：针对降水数据下尺度化的高分辨率重构新方法

  本文提出EdgeGeoDiff，一种创新的两阶段扩散模型，用于解决降水数据下尺度化的关键挑战。该方法巧妙地结合了边缘细节和地理先验（如地形高程）的引导，通过残差学习策略有效缓解了降水数据固有的偏态分布问题，在多个评价指标（RMSE、PSNR、SSIM、CSI）上超越了传统单图超分辨率（SISR）方法，显著提升了高频细节的重建能力。hr and xcnnresults is used as the target for the diffusion model. The input to the denoising U-Net consists of xcnn, xt, geographical factors, and the edge map of xcnn, which are mapped to different scales and fused with original features through the EAFIM. The geographical factors is introduced via GPE.">

  来源：Sensors

  时间：2026-03-16

• 综述：莫达非尼治疗发作性睡病日间过度嗜睡的更新系统综述和Meta分析

  本文对莫达非尼治疗发作性睡病日间过度嗜睡（EDS）的随机对照试验进行了方法学更新的系统综述和Meta分析，证实了其在提高觉醒维持测试（MWT）和降低爱泼沃斯嗜睡量表（ESS）评分方面的短期有效性。然而，近十年缺乏新的合格随机试验，长期疗效和安全性仍有待确立，凸显了进行大规模长期随机试验的必要性。

  来源：Sleep Medicine: X

  时间：2026-03-16

• 利用SqueezeViT和UAVDisaster36K基准测试，提升灾害事件航空图像分类的效率和准确性

  无人机灾害识别的轻量级模型与评估指标研究。针对大型 inaccessible 区域实时灾害识别的需求，本研究构建了覆盖地震、火灾、洪水等灾害类型的 UAVDisaster36K 大规模数据集，并评估了轻量级CNN和Vision Transformer在Jetson设备上的性能。提出PMF综合评分指标，平衡准确率、推理速度和内存占用，设计SqueezeViT混合模型，在5折交叉验证中达到88.08%准确率，参数量仅0.68M，优于现有基线模型。

  来源：Neurocomputing

  时间：2026-03-16

• 适用于大规模互联系统的自适应进化逆强化学习

  针对大规模互联系统存在子系统模型不准确和强耦合的问题，提出基于进化逆强化学习的分散控制框架。通过逆强化学习从局部专家数据中重构子系统成本函数，结合进化算法进行全局优化，解决传统方法易陷入局部最优和计算复杂度高的难题，并验证了算法收敛性和系统稳定性。

  来源：Neurocomputing

  时间：2026-03-16

• 面向6G医疗物联网的混合CNN-BiLSTM网络攻击检测框架

  随着IoMT（医疗物联网）与6G（第六代移动通信技术）在医疗领域的融合，其面临的安全挑战日益严峻。为解决IoMT网络因异构性导致的传统安全机制不足问题，研究人员提出了一种基于1D-CNN-BiLSTM（一维卷积神经网络-双向长短期记忆网络）的混合入侵检测系统（IDS），旨在通过捕捉网络流量的空间特征与时间依赖性来精准检测异常。在ECU-IoHT数据集上的实验结果表明，该模型表现出色，准确率达99.40%，F1分数达98.95%，ROC-AUC分数达99.87%，验证了其作为保护6G医疗物联网基础设施的鲁棒安全解决方案的潜力。

  来源：IEEE Communications Standards Magazine

  时间：2026-03-16

知名企业招聘：