论文

我没胡说八道

论文AI改写工具深度实测测评｜避坑对比、优劣短板、场景适配全解析一、测评前言2026年各大高校及期刊平台的AI检测算法完成迭代升级，传统浅层词汇替换、句式微调的改写工具已彻底失效，普遍出现“改后AI率不降反升、语句不通顺、专业内容篡改、论文格式错乱、查重率暴涨”等问题。

【预讲会征集】ACL 2026 论文预讲会ACL 2026 论文预讲会由中国中文信息学会、CCF语音对话与听觉专委会、深圳市人工智能学会、语音之家主办，旨在为学者们提供更多的交流机会，更方便、快捷地了解领域前沿。活动将邀请ACL 2026 录用论文的作者进行报告交流。

i220818 Faiz Ul

宠物猫之猫咖管理系统|基于java + vue宠物猫之猫咖管理系统(源码+数据库+文档)宠物猫之猫咖管理系统目录基于springboot + vue农产品溯源系统一、前言二、系统功能演示三、技术选型

i220818 Faiz Ul

二手交易系统|基于springboot + vue二手交易系统(源码+数据库+文档)二手交易系统目录基于springboot + vue二手交易系统一、前言二、系统功能演示三、技术选型四、其他项目参考

学院教学工作量统计|基于java+ vue学院教学工作量统计管理系统(源码+数据库+文档)学院教学工作量统计系统目录基于springboot + vue学院教学工作量统计系统一、前言二、系统功能演示

AI医影跨模态组学

J Adv Res（IF=13）南方医科大学南方医院等团队：基于多模态渐进融合 Transformer 的肝细胞癌患者免疫治疗反应预测模型01文献学习今天分享的文献是由南方医科大学南方医院等团队于2026年2月在《Journal of Advanced Research》（中科院1区top，IF=13）上发表的研究“Multi-modal gradual fusion transformer-based model for predicting immunotherapy response in patients with hepatocellular carcinoma”即基于多模态渐进融合变换器模型的肝细胞癌免疫治疗反应预测研究，该研究

AI医影跨模态组学

Lancet Digit Health（IF=24.1）广东省人民医院刘再毅&amp；南方医科大学南方医院梁莉等团队：基于可解释深度学习模型预测胶质瘤分子改变01文献学习今天分享的文献是由广东省人民医院放射科刘再毅、南方医科大学南方医院梁莉等团队于2026年5月11日在柳叶刀旗下数字健康领域顶刊《The Lancet Digital Health》（中科院1区top，IF=24.1）上发表的研究“Molecular alterations prediction in gliomas via an interpretable deep learning model: a multicentre and retrospective study”即基于可解释深度学习

AI医影跨模态组学

J Clin Oncol（IF=43.4）美国Cedars-Sinai医学中心等团队：基于计算组织学人工智能的晚期胰腺癌化疗选择预测性生物标志物的开发与验证01文献学习今天分享的文献是由美国Cedars-Sinai医学中心、Valar Labs、加拿大玛格丽特公主癌症中心等国际多机构团队于2026年2月在肿瘤学领域顶刊《Journal of Clinical Oncology》（中科院1区top，IF=43.4）上发表的研究“Development and Validation of a Computational Histology Artificial Intelligence-Powered Predictive Biomarker for Selec

AI医影跨模态组学

Cancer Letters（IF=10.1）中山大学附属第六医院等团队：基于治疗前MRI影像的RCMIX模型预测MRI定义的cT4期直肠癌T分期下降01文献学习今天分享的文献是由中山大学附属第六医院联合中山大学肿瘤防治中心、四川大学华西医院等团队于2025年9月在《Cancer Letters》（中科院1区top，IF=10.1）上发表的研究“RCMIX model based on pre-treatment MRI imaging predicts T-downstage in MRI-cT4 stage rectal cancer”即基于治疗前MRI影像的RCMIX模型预测MRI定义的cT4期直肠癌T分期下降，该研究基于多中心回顾性数据，构建并

AI医影跨模态组学

Insights Imaging（IF=4.5）郑州大学第一附属医院高剑波等团队：基于CT的影像组学预测不可切除胃癌PD-1/PD-L1抑制剂联合化疗治疗反应01文献学习今天分享的文献是由郑州大学第一附属医院高剑波教授等团队于2026年3月12日在《Insights into Imaging》（中科院2区，IF=4.5）上发表的研究“CT-based radiomics for predicting the treatment response to PD-1/PD-L1 inhibitors combined with chemotherapy in unresectable gastric cancer”即基于CT的影像组学预测不可切除胃癌PD-1/PD-

AI医影跨模态组学

Eur Radiol（IF=4.7）哈尔滨医科大学肿瘤医院等团队：基于大语言模型和Gd-EOB-DTPA增强MRI的术后肝细胞癌风险分层系统01文献学习今天分享的文献是由哈尔滨医科大学肿瘤医院等团队于2026年2月在《European Radiology》（中科院2区，IF=4.7）上发表的研究“Large language model and Gd-EOB-DTPA-enhanced MRI-based risk stratification system for postoperative hepatocellular carcinoma: a multicenter study”即基于大语言模型和Gd-EOB-DTPA增强MRI的术后肝

AI医影跨模态组学

Radiology（IF=15.2）中南大学湘雅二医院肖煜东教授等团队：基于CT放射组学的机器学习识别肝细胞癌瘤内纤维化及其潜在血管生成01文献学习今天分享的文献是由中南大学湘雅二医院肖煜东教授等团队于2026年5月在放射学领域顶刊《Radiology》（中科院1区top，IF=15.2）上发表的研究“CT Radiomics-based Machine Learning to Identify Intratumoral Fibrosis and Underlying Angiogenesis in Hepatocellular Carcinoma”即基于CT放射组学的机器学习识别肝细胞癌瘤内纤维化及其潜在血管生成，该研究开发并验证了一种

AI医影跨模态组学

Eur Radiol 温州医科大学第五附属医院等团队：开发与解释基于双能量CT的深度学习放射组学模型，用于预测颈动脉支架后新出现的脑缺血病灶01文献学习今天分享的文献是由温州医科大学第五附属医院等团队于2026年2月《European Radiology》（中科院2区，IF=4.7）上发表的研究“Development and interpretation of a dual-energy CT-based deep learning radiomics model for predicting new cerebral ischemic lesions after carotid artery stenting: a multicenter

i220818 Faiz Ul

高校教务|教务管理|基于springboot+vue的高校教务管理系统(源码+数据库+文档)高校教务系统|教务管理目录基于springboot+vue的高校教务管理系统一、前言二、系统设计三、系统功能设计

AI医影跨模态组学

Sci Bull（IF=21.1）广东省人民医院放射科刘再毅等团队：放射组学、RNA与临床病理表型的整合分析揭示结直肠癌预后风险分层的生物学基础01文献学习今天分享的文献是由广东省人民医院放射科刘再毅等团队于2024年10月在《Science Bulletin》（中科院1区top，IF=21.1）上发表的研究“Integrated analysis of radiomics, RNA, and clinicopathologic phenotype reveals biological basis of prognostic risk stratification in colorectal cancer”即放射组学、RNA与临床病理表型的整合分

AI医影跨模态组学

BMC Med（IF=8.3）四川大学华西医院田蓉等团队：基于混合专家模型的可解释多模态PET-CT-EHR融合用于套细胞淋巴瘤预后分层01文献学习今天分享的文献是由四川大学华西医院田蓉等团队于2026年4月16日在《BMC Medicine》（中科院1区top，IF=8.3）上发表的研究“Interpretable multimodal PET/CT-EHR fusion via mixture-of-experts for prognostic stratification in mantle cell lymphoma: a multicenter study”即基于混合专家模型的可解释多模态PET/CT-EHR融合在套细胞淋巴瘤预

我没胡说八道

毕业论文降 AI 率工具横评：谁才是 AI 检测的 “破局者”？主打 **“降 AI + 格式合规 + 盲审净化” 一站式服务 **，是专为国内高校学位论文打造的降 AI 工具。

从选题到见刊：Paperzz 期刊论文智能写作，如何让学术发表 “一键提速”？在学术研究的金字塔中，期刊论文的发表不仅是成果的证明，更是学者身份的勋章。然而，从选题构思到最终见刊，这条道路往往布满荆棘：选题方向模糊、文献综述繁琐、结构框架混乱、语言表达晦涩、格式规范严苛…… 每一个环节都可能成为阻碍发表的 “拦路虎”。

YOLO26改进| 特征融合 | 小波变换的多尺度特征融合💡💡💡本专栏所有程序均经过测试，可成功执行💡💡💡本文给大家带来的教程是将YOLO26的特征融合替换为WFU来提取特征。文章在介绍主要的原理后，将手把手教学如何进行模块的代码添加和修改，并将修改后的完整代码放在文章的最后，方便大家一键运行，小白也可轻松上手实践。以帮助您更好地学习深度学习目标检测YOLO系列的挑战。

AI医影跨模态组学

如何将影像组学与计算病理特征关联肿瘤微环境“反应/荒漠”基质表型建立关联，并进一步解释其与胰腺癌术后早期复发及ECM重塑的机制联系01导语各位同学，大家好。做影像组学最怕的是什么？是模型精度刷到0.99，但一问“为什么能预测”就哑口无言——特征到底对应什么生物学过程？细胞、基质、还是血管？完全说不清。今天咱们通过一篇发表于Advanced Science的胰腺癌研究，看它如何把影像组学和计算病理特征，与肿瘤微环境中“反应主导型”基质表型及ECM重塑挂上钩，不仅预测早期复发，还能用单细胞和空间转录组讲清楚“谁在驱动、通路上哪变、细胞间怎么沉默”。这篇文章提供了一个可复制的范式：从预测模型→机制验证→病理解释，让影像组学从“黑箱算命”变