radiology-frontier

寻找可发表的前沿方向与创新点，聚焦于影像AI、放射组学与放射基因组学研究，基于高影响力期刊（Radiology, Radiology: AI, Lancet Digital Health, Lancet Oncology, Nature Medicine, Nature Communications, npj Digital Medicine, npj Precision Oncology, eClinicalMedicine, Cell Reports Medicine）的发表趋势。当用户询问前沿方向、创新点、热点与适合课题、“近三年前沿方向”、“创新点”、“影像AI有何新颖之处”，或要求提供推荐建议的文献依据（“有什么文献依据”、“证据”）时，本技能将： - 将当前研究趋势（如基础模型、自监督学习、视觉-语言模型、多模态融合、纵向分析、弱监督/联邦学习、放射基因组学等）转化为可执行的研究问题，紧密结合用户实际数据条件； - 编码基于真实发表模式的启发式规则，而非虚构引用列表——所有推荐均可通过实时检索放射学相关数据库进行验证，绝不编造PMID/DOI； - 区分“热门但竞争激烈”与“适合用户资源与数据特点”的研究方向，帮助用户识别兼具创新性与可行性的切入点。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本