学术背景 疤痕形成是创伤、烧伤和其他并发症后常见的问题，严重影响全球数百万人的生活质量。成纤维细胞（fibroblasts）在病理疤痕形成中起核心作用，因此成为开发新疗法以促进愈合和减少疤痕的常见目标。近年来，研究表明脂肪细胞谱系细胞（adipocyte lineage cells）也在伤口愈合过程中发挥重要作用。临床报告显示，将自体脂肪微移植物（autologous adipose micrografts）置于手术部位可以改善现有疤痕的外观和柔韧性。然而，脂肪移植物中的细胞类型及其在伤口愈合中的具体作用机制尚不清楚。因此，本研究旨在探讨脂肪细胞谱系细胞与成纤维细胞之间的相互作用，以及这些相互作用如何影响细胞外基质（extracellular matrix, ECM）蛋白的产生。 论文来源 ...

阴道伤口愈合是妇科手术中的重要问题，尤其是在阴道分娩或盆腔重建手术后。阴道伤口的感染和愈合不良可能导致严重的并发症，如慢性疼痛、感染和功能障碍。因此，如何加速阴道伤口愈合一直是临床研究的热点。近年来，间充质干细胞（MSCs）及其外泌体（exosomes）在伤口愈合中的作用引起了广泛关注。外泌体是细胞分泌的纳米级囊泡，能够传递生物信息分子，促进细胞增殖、迁移和血管生成。特别是缺氧预处理的外泌体，因其更强的生物活性，被认为在伤口愈合中具有潜在的治疗价值。 本研究旨在探讨缺氧预处理的脂肪干细胞（ADSCs）外泌体（Hypoxic ADSC Exosomes, Hexo）是否能够通过激活Akt/HIF-1α轴加速阴道伤口愈合，并揭示其分子机制。 论文来源 该研究由同济大学医学院附属同济医院的Xiao...

学术背景 在人工智能领域，零样本学习（Zero-Shot Learning, ZSL）是一项极具挑战性的任务，其目标是通过已见类别的知识来识别未见类别的样本。音频-视觉零样本学习（Audio-Visual Zero-Shot Learning, AVZSL）作为零样本学习的一个分支，旨在通过结合音频和视觉信息来实现对未见类别的分类。然而，现有的许多方法往往过于关注学习强表征，而忽略了音频和视觉之间的语义一致性以及数据本身的层次结构。这种忽略可能导致模型在测试时无法有效分类未见类别，从而限制了其在实际应用中的表现。 为了解决这一问题，来自Guizhou University、Shanghai Jiao Tong University和Oklahoma State University的研究团队...

学术背景 随着全球能源危机的加剧和环境保护意识的提升，建筑管理系统（Building Management Systems, BMS）的智能化与高效化成为了学术界和工业界关注的焦点。传统的BMS依赖于基于规则的控制方法，无法动态适应环境变化，如能源价格波动和气象条件的变化。近年来，机器学习（Machine Learning, ML）和人工智能（Artificial Intelligence, AI）技术的快速发展为BMS的智能化提供了新的可能性。然而，现有的BMS在实时数据处理和决策响应方面仍存在不足，尤其是在资源受限的环境中，如何实现低延迟、高吞吐量的ML模型部署成为了一个亟待解决的问题。 为此，Mohammed Mshragi和Ioan Petri等学者在2025年发表了一篇题为《快速机...

学术背景 化学交换饱和转移（Chemical Exchange Saturation Transfer, CEST）磁共振成像（MRI）是一种先进的非侵入性成像技术，能够提供活体组织的详细分子信息。CEST MRI通过选择性饱和特定代谢物的可交换质子，并将这种饱和转移到水分子中，从而实现对低浓度蛋白质和代谢物的检测和定量。尽管CEST MRI在神经退行性疾病和癌症等疾病的诊断中显示出巨大潜力，但其在临床中的应用仍面临诸多技术挑战，例如数据采集时间长、图像处理复杂以及解释难度大。这些问题限制了CEST MRI从研究环境向临床实践的过渡。 近年来，人工智能（Artificial Intelligence, AI）在医学影像领域的应用日益广泛，尤其是在处理大规模数据和提供精确诊断方面表现出色。AI...

学术背景 随着互联网信息的爆炸式增长，推荐系统（Recommender Systems, RSs）在现代数字生活中扮演着不可或缺的角色。无论是Netflix的电影推荐，还是社交媒体的个性化新闻推送，推荐系统都在重塑用户的在线体验。然而，传统的推荐系统面临诸多挑战，如数据稀疏性（data sparsity）、冷启动问题（cold-start）、可扩展性（scalability）和缺乏可解释性（lack of explainability）等。近年来，大语言模型（Large Language Models, LLMs）在自然语言处理（Natural Language Processing, NLP）领域取得了巨大进展，这促使研究者探索如何将这些模型应用于推荐系统，以利用其强大的文本表示能力和丰富...

学术背景 随着全球能源结构向可再生能源转型，分散式能源存储（decentralized energy storage）的重要性日益凸显。与传统的集中式能源存储系统不同，分散式能源存储将能源生产和存储过程本地化，减少了大规模系统故障的风险，并提高了能源供应的连续性和灵活性。然而，分散式能源存储项目的复杂性和资源有限性使得企业难以确定战略优先级，这可能导致投资失败或效率低下。 为了解决这一问题，作者们提出了一种基于人工智能（AI）驱动的决策模型，旨在为分散式能源存储投资提供有效的战略指导。该研究不仅关注如何优化投资决策，还通过引入信息增益（information gain）和大规模专家选择技术，提高了决策的一致性和效率。 论文来源 这篇论文由Gang Kou、Hasan Dinçer、Edanu...

学术背景 在现代供应链管理中，物流服务商的选择是一个复杂且关键的问题。企业需要评估和选择能够高效管理和执行物流任务的第三方企业或组织。然而，现实中的决策过程往往涉及大量的不确定性和模糊性，传统的决策方法难以有效处理这些复杂信息。为了解决这一问题，模糊集理论（Fuzzy Set Theory, FST）及其扩展形式，如直觉模糊集（Intuitionistic Fuzzy Sets, IFS）和犹豫模糊集（Hesitant Fuzzy Sets, HFS），被广泛应用于多属性决策（Multi-Attribute Decision Making, MADM）问题中。 近年来，直觉犹豫模糊集（Intuitionistic Hesitant Fuzzy Sets, IHFS）作为一种新的模糊信息表示工...

学术背景 在现代工程和管理领域，决策问题常常伴随着不确定性和模糊性。传统的模糊集理论在处理这些问题时存在一定的局限性，尤其是在处理复杂的多属性群决策（Multi-Attribute Group Decision-Making, MAGDM）问题时。直觉模糊集（Intuitionistic Fuzzy Set, IFS）作为一种扩展的模糊集理论，能够更好地捕捉决策过程中的不确定性和模糊性。然而，现有的直觉模糊数（Intuitionistic Fuzzy Numbers, IFNs）在处理某些复杂问题时仍然存在不足，尤其是当涉及到梯形直觉模糊数（Trapezoidal-Valued Intuitionistic Fuzzy Numbers, TrVIFNs）时。 为了解决这一问题，本文提出了一种...

露天矿山爆破作业在矿物提取中至关重要，但同时也伴随着显著的环境和结构风险。爆破过程中产生的峰值粒子速度（Peak Particle Velocity, PPV）是评估爆破振动对周围结构和环境影响的关键指标。准确的PPV预测对于优化爆破实践、减少环境破坏和确保结构安全具有重要意义。传统的预测方法在处理非线性关系和高维数据时存在局限性，而机器学习（Machine Learning, ML）技术，特别是混合机器学习方法，展现出在PPV预测中的巨大潜力。本文旨在系统综述混合机器学习技术在露天矿山爆破PPV预测中的应用，探讨其优势、挑战及未来研究方向。 论文来源 本文由Gundaveni Shylaja和Ragam Prashanth共同撰写，两位作者均来自VIT-AP University的计算机科...