A novel deep neural model for efficient and scalable historical place image classification
HistoNet is a groundbreaking deep learning model designed for efficient classification of historical place images, merging convolutional neural networks with transformer mechanisms and state-space models. This innovative framework enhances computational efficiency and interpretability, achieving high accuracy rates on diverse datasets. By democratizing access to advanced AI tools, HistoNet supports heritage professionals in resource-limited settings, addressing urgent needs in cultural preservation and documentation. The model's robust performance and user-friendly web interface facilitate real-world applications, promoting sustainable development goals in cultural heritage conservation.
Metabolomic and clinical feature analyses of plasma from influenza A patients
该研究通过对339名流感A患者的血浆进行代谢组学分析，发现甘油磷脂代谢的显著变化与疾病严重程度相关，提出了潜在的生物标志物用于早期诊断和治疗监测。研究强调了流感对公共健康的影响，并为未来的个性化治疗策略提供了基础。
The protecting role of Ganoderma lucidum polysaccharides on the retinal neurovascular units in rats with retinal ischemia-reperfusion injury
本研究探讨了Ganoderma lucidum多糖在视网膜缺血再灌注损伤模型中的保护作用，发现其通过减轻氧化应激、抑制反应性胶质增生和改善血管功能来保护视网膜神经血管单元。研究结果表明，GLP能够显著改善视网膜的电生理功能，具有潜在的生物技术应用价值，尤其是在治疗与视网膜损伤相关的疾病方面。
E-cigarette exposure and CDP choline modulate withdrawal- induced anxiety and hormonal levels in rats
研究表明，电子烟暴露会导致小鼠焦虑行为和激素水平的显著变化，而CDP-胆碱治疗能够有效缓解这些影响。实验结果显示，CDP-胆碱不仅降低了血清中的尼古丁和可替宁水平，还改善了小鼠的行为表现，提示其在尼古丁依赖治疗中的潜在应用。该研究为未来开发针对电子烟依赖的治疗策略提供了重要的实验依据。
Decoding the multifaceted cellular and transcriptomic variations of natural killer cells generated from patients with Parkinson’s disease
本研究探讨了帕金森病患者的自然杀伤细胞（NK细胞）的生物学特征及其转录组多样性。通过对健康供体和PD患者的NK细胞进行比较，发现PD患者的NK细胞在细胞活性、细胞毒性及转录组特征上存在显著差异。这些发现为开发新的PD诊断生物标志物和免疫治疗策略提供了重要依据，具有潜在的临床应用价值。
Associations between systemic inflammation and cognitive trajectories post-stroke
该研究探讨了急性中风后系统性炎症与认知轨迹的关系，发现急性期的炎症标志物与认知下降显著相关。研究基于挪威的Nor-COAST研究，分析了466名急性中风患者的数据，结果表明，急性期的高炎症水平可能导致认知功能的恶化，尤其是在有预先认知障碍的患者中。该研究为未来针对中风患者的抗炎治疗提供了潜在的临床依据。
Somatostatin regulates the clock sensitivity to evening light
本研究揭示了生长抑素在调节生物钟对光的敏感性方面的作用，特别是在长光周期条件下，缺乏生长抑素的动物表现出显著的活动相延迟。研究表明，生长抑素通过其受体在下丘脑的特定区域发挥作用，影响生物钟的相位和光敏感性。这一发现为理解生物钟调节机制提供了新的视角，并可能对治疗与生物钟相关的疾病具有潜在的临床意义。
Elevated oxytocin levels and oxytocin receptor gene expression in female-to-male transgender individuals
本研究首次展示了女性转男性跨性别者中催产素水平的显著增加及催产素受体基因表达的变化，可能为理解性别焦虑的生物学机制提供新的视角。研究结果显示，女性转男性跨性别者的催产素水平显著高于对照组，且在接受睾酮自我注射的跨性别者中，催产素受体基因的表达也显著增加。这些发现强调了催产素系统在跨性别个体中的重要性，未来的研究将进一步探讨其对性别焦虑症状的影响。
Noradrenergic modulation of pheromone-induced odor learning and brain activation in newborn rabbits
本研究探讨了去甲肾上腺素系统在新生兔气味学习中的作用，发现β-肾上腺素拮抗剂普萘洛尔能够阻碍气味学习的获取，但不影响记忆的巩固和提取。研究结果表明，去甲肾上腺素在新生兔的气味学习中起着重要的调节作用，提供了对新生哺乳动物学习机制的深入理解。
Neural correlates of consciousness in the sound-induced flash illusion
该研究探讨了声诱发闪光错觉的视觉意识神经相关性，使用事件相关电位（ERP）研究设计，发现即使在幻觉感知下，后脑区域的负电位也会增强，支持视觉意识的神经相关性。研究结果为理解意识的神经机制提供了新的视角，具有较高的科学性和创新性。
Designing a neuro-symbolic dual-model architecture for explainable and resilient intrusion detection in IoT networks
该研究提出了一种神经符号AI框架，旨在提升IoT网络的入侵检测能力，结合了深度学习和符号推理，能够实现高达98%的准确率。研究强调了该框架在智能家居和消费电子领域的应用潜力，展示了其在处理复杂网络流量和攻击模式方面的有效性。
Semantic-aware reinforcement and ensemble learning for signal management and anomaly detection in IoT systems
该研究提出了一种语义感知的混合框架，结合深度强化学习（DQN）和随机森林（RF）分类用于物联网（IoT）信号管理和异常检测。通过使用比利时安特卫普的真实数据集，框架展示了在动态环境中优化信号质量和检测异常的能力。DQN代理在评估中获得了超过62,000的累计奖励，RF分类器的信号质量预测准确率达到99.98%。该框架的创新性和有效性为未来的IoT系统提供了强有力的支持。
A multi-dimensional transfer learning framework for studying reward-guided behaviors across species
研究提出了一种多维转移学习框架，利用人工智能技术增强对奖励引导行为的跨物种研究。该框架旨在连接动物模型的行为神经科学与人类功能结果，揭示普遍原则并优化实验范式，具有重要的科学性和创新性。
Acute and chronic effects of local muscle vibration training inducing illusions on wrist strength and neurophysiological measures
本研究探讨了局部肌肉振动（LMV）训练对腕部力量和神经生理参数的急性与慢性影响。结果显示，急性LMV显著降低了H-reflex，但未观察到慢性适应。参与者在LMV期间普遍体验到运动幻觉，EEG分析显示皮层活动显著增强。该研究为LMV在神经康复中的应用提供了重要的实验数据支持，强调了进一步探索其潜在益处的必要性。
What neuroscience can tell AI about learning in continuously changing environments
该文章探讨了神经科学如何为人工智能在不断变化的环境中学习提供启示，强调了神经科学与AI之间的联系。研究指出，动物在不断变化的环境中适应的能力可以为AI系统的学习提供重要的启示，尤其是在社交物种中，行为政策和奖励结果可能会频繁变化。文章还提出了未来研究的方向，旨在加强神经科学与AI之间的联系。