Dynamic face-related eye movement representations in the human ventral pathway
研究表明，面部相关的眼动表征在脑部通路中动态变化，涉及多个脑区的协同作用，尤其是眶额皮层和前颞叶。这一发现可能对理解社交互动和面部识别的神经机制具有重要意义。研究通过磁脑电图（MEG）实验，揭示了面部相关的眼动轨迹如何影响面部感知，并提出了面部特定的眼动序列在社交互动中的潜在作用。
Exploring attentional mechanisms underlying the gender homophily in equity crowdfunding decisions using web-based eye-tracking
本研究使用网络摄像头眼动追踪技术探讨了性别同质性在股权众筹决策中的注意机制，发现女性投资者更倾向于投资女性主导的团队。研究表明，性别和金融知识影响投资者的注意力分配，进而影响投资决策。这一发现为股权众筹平台的设计和金融素养干预提供了实用建议，具有重要的投资价值和市场相关性。
Prioritizing flexible working memory representations relies on the involvement of the parahippocampal-insula network during memory reactivation
本研究探讨了回顾性提示在工作记忆中的作用，强调了大脑的parahippocampal-insula网络在记忆再激活中的关键角色。通过结合EEG源定位和贝叶斯非负矩阵分解，研究揭示了大脑网络的动态变化如何影响工作记忆表现，支持了“活动静默”理论。研究结果为理解工作记忆中的注意力调节提供了重要的神经生理学证据。
Decoding brain age predictions from sleep electroencephalography across infancy to adolescence
本研究利用深度学习技术，通过分析儿童的睡眠脑电图（EEG），成功预测了功能性脑龄（FBA），并探讨了不同睡眠阶段对预测准确性的影响。研究结果显示，FBA在N2、N3和REM睡眠阶段的预测准确性最高，平均绝对误差为0.96年。这一发现为儿童神经发育健康的监测提供了新的非侵入性工具，具有重要的临床应用前景。
Interactions between motor cortical forelimb regions and their influence on muscles reorganize across behaviors
本研究探讨了小鼠运动皮层前肢区域之间的相互作用及其对肌肉的影响，发现这些影响在不同的行为（如单肢伸手和全肢攀爬）中会发生重组。研究结合了光遗传学、神经记录和肌电图技术，揭示了运动皮层区域的功能动态变化，强调了行为特异性对运动皮层层次结构的影响。这些发现为理解运动行为的多样性提供了新的视角。
WA-NET: enhanced boundary-aware segmentation of skin lesions via frequency-spatial feature fusion and attention-guided edge refinement
WA-NET是一种新型的医学图像分割网络，结合了频域和空间域特征，旨在提高皮肤病变的分割精度。通过引入边界增强模块，WA-NET在多个公开数据集上展示了优越的性能，尤其是在处理低对比度和模糊边界的情况下。该模型的设计不仅解决了传统方法的局限性，还为医学图像分析提供了新的思路，具有广泛的应用潜力。
Explainable AI unravels sepsis heterogeneity via coagulation-inflammation profiles for prognosis and stratification
本研究开发了SepsisFormer，一种基于AI的脓毒症预后模型，具有高预测准确性（AUC: 0.9301）。同时，建立了SMART风险分层工具，超越了现有评分系统（AUC: 0.7360）。研究识别了七种凝血-炎症标志物用于脓毒症风险分层，增强了临床决策能力，特别是在资源有限的医疗环境中。
Development and validation of a machine learning model for predicting mortality risk in veno-arterial extracorporeal membrane oxygenation patients
本研究开发了一种基于机器学习的死亡风险预测模型，专门针对接受V-A ECMO治疗的患者。通过分析280名患者的多中心数据，采用Lasso回归选择关键特征，构建了六种机器学习模型。结果显示，Logistic回归模型在内部和外部验证中表现最佳，AUC达到0.75，具有较高的临床应用价值。该模型通过明确纳入乳酸、年龄和白蛋白等关键预测因子，能够实现精准的风险分层，为临床决策提供实用支持。
Distinct responses to non-autonomous UPRER mediated by glutamatergic and octopaminergic neurons
本研究探讨了在C. elegans中，谷氨酸能、八氨酸能和GABA能神经元在非自主内质网应激反应（UPRER）信号传递中的不同作用。研究发现，谷氨酸能神经元通过增强蛋白质稳态通路的表达，而八氨酸能神经元则促进病原体反应通路的激活。这些发现为理解神经元在应对内质网压力中的独特角色提供了新的视角，尽管该研究的商业化潜力有限。
Multi-omics analyses reveal regulatory networks underpinning metabolite biosynthesis in Nicotiana tabacum
本研究通过多组学分析，构建了烟草(Nicotiana tabacum)的代谢调控网络，揭示了关键转录因子在代谢物合成中的作用。研究表明，环境因素对烟草的代谢物积累和基因表达有显著影响，为植物代谢工程和分子育种提供了重要的理论基础和数据支持。
Believing in simulated virtual scents produces reported olfactory sensations
该研究探讨了预测处理在虚拟现实中的嗅觉感知，发现短期期望的操控可以显著影响嗅觉体验，参与者在操控组中报告的嗅觉现实感显著高于对照组。这一发现为嗅觉感知的研究提供了新的视角，并可能对嗅觉障碍的治疗具有潜在应用价值。
A lightweight LSTM-based open-set RF fingerprinting identification for edge deployment
本研究提出了一种基于LSTM的轻量级神经网络架构，用于高效的开放集RF指纹识别。通过模拟信号生成和多种参数评估，展示了该模型在准确性和效率上的优势，尤其适合资源受限的边缘设备。实验结果表明，该模型在训练时间和存储需求上均显著低于传统深度学习模型，如ResNet和GoogleNet，显示出其在物联网安全领域的应用潜力。
Multivariate genome-wide analysis reveals shared genetic architecture and brain structural correlates of human cognitive abilities
该研究通过多变量基因组结构方程建模，识别了3842个全基因组显著位点，揭示了人类认知能力的共享遗传结构。研究表明，认知能力不仅受遗传因素影响，还与脑部结构密切相关，具有重要的科学价值和潜在的应用前景。该研究为理解认知能力的遗传基础提供了新的视角，并可能为未来的干预策略奠定基础。
Multilayer nonlinear diffraction neural networks with programmable and fast ReLU activation function
该研究提出了一种新型的多层非线性衍射神经网络（MN-DNN），通过集成射频放大器、射频探测器和电压加法器，实现了可编程的ReLU激活功能，显著提高了计算速度和能效。MN-DNN在图像分类和实时人类姿态识别任务中表现出色，准确率分别为92.81%和93.06%。该技术的低延迟和高适应性使其在安全筛查、医疗康复和人机交互等领域具有广泛的应用潜力。
Ventral tegmental area GABA neurons integrate positive and negative valence
本研究探讨了VTA GABA神经元在奖励和惩罚学习中的作用，发现这些神经元能够整合正负价值信息，影响动物在面对成本时的奖励寻求行为。研究结果表明，GABA神经元在复杂决策环境中起着关键作用，推动了对VTA功能的理解，尤其是在多重价值决策的背景下。