• 原发性骨卡波西型血管内皮瘤，局限于长骨：12例儿童病例的回顾性影像学分析

  毛细血管肉瘤是一种罕见的儿童骨内血管肿瘤，本研究通过12例确诊病例分析其影像特征，发现两种典型模式：渗透性/虫蚀样骨质破坏（7例）和骨皮质侵蚀样改变（5例），前者Ki-67指数更高（18.7% vs 9.2%），且均无皮肤病变或Kasabach-Merritt现象。

  来源：Cancer Imaging

  时间：2026-02-22

• 通过SHAP方法开发一个可解释的机器学习模型，基于肿瘤免疫微环境（CODEX免疫组学）和MRI数据来预测肝细胞癌（HCC）患者的术后生存情况

  肝癌术后生存预测模型的构建与验证：通过整合临床放射学特征与CODEX免疫组学数据，采用SHAP可解释机器学习模型，筛选出形状、动脉包膜强化及坏死区域作为临床模型特征，免疫微环境5项分子特征构建免疫模型，临床-免疫联合模型在验证集中C-index达0.870，timeAUC达1.000，显著优于单一模型。

  来源：Cancer Imaging

  时间：2026-02-22

• 基于CT的多实例和集成学习方法在食管鳞状细胞癌淋巴结转移预测中的应用：一项多中心回顾性研究

  食管鳞癌淋巴结转移预测模型研究：基于CT的Stacking模型通过整合可见淋巴结、原发肿瘤特征及临床数据，在974例患者队列中表现优异（AUC 0.819-0.883），成功区分pN0高危患者并证实术后辅助治疗（POAT）对高危者生存有益。

  来源：Cancer Imaging

  时间：2026-02-22

• 评估人工智能辅助放射科医生在增强CT上检测结直肠肝转移瘤的表现

  人工智能辅助结肠肝转移瘤CT增强扫描的病灶检出率及阅片时间研究

  来源：Cancer Imaging

  时间：2026-02-22

• 在儿科癌症影像学中实施人工智能的障碍

  AI在儿童肿瘤影像学中的应用潜力及五大障碍：数据稀缺、碎片化、访问受限、异质性及生物学差异。强调需协作、标准化数据及算法优化，以实现安全、有效且以儿童为中心的AI应用。

  来源：Cancer Imaging

  时间：2026-02-22

• 从放射形态学到组织成分比例：一项关于伴有囊性气腔的肺腺癌进展和预后的多中心研究

  LACA的影像学特征及成分比例对其进展和预后有重要影响，本研究通过多中心回顾性分析378例患者，建立四阶段进展模型并识别八种模式，证实高SLR是复发的独立风险因素而低CLR无显著预后价值。

  来源：Cancer Imaging

  时间：2026-02-22

• 脓毒症引起的凝血功能障碍（SIC）：它真的是一个统一的、单一的病症吗？

  脓毒症诱导的凝血病（SIC）中INR与PLT主导的亚型存在显著异质性，表现为凝血时间、肝肾功能指标及机械通气时间的差异，且PLT主导组深静脉血栓风险更低。

  来源：Thrombosis Journal

  时间：2026-02-22

• 一种环境可持续的紫外分光光度-化学计量方法，用于同时测定布地奈德、格隆溴盐和福莫特罗

  可持续紫外分光光度法用于三合一吸入器药物分析，以乙醇-水系统替代毒性溶剂，减少溶剂消耗95%和能耗80%，结合网格设计降低实验次数60%，线性范围BUD 10-50µg/mL、GLY 2-10µg/mL、FOM 1-5µg/mL，r²达0.9998-0.9999，MCR-ALS模型精度最优（RMSEP=0.23-0.39），成功应用于多组分和单组分吸入器，符合11项联合国可持续发展目标，提供环保经济替代色谱法。

  来源：BMC Chemistry

  时间：2026-02-22

• 青少年干燥综合征：制定针对不同年龄段的分类标准的时候了

  青少年干燥综合征临床及影像学特征分析，大唾液腺超声和小唾液腺活检是重要诊断工具，提示需建立儿童特异性分类标准。

  来源：Pediatric Rheumatology

  时间：2026-02-22

• 非线性稀疏贝叶斯学习方法及其在具有硬件损伤的大规模MIMO信道估计中的应用

  本文针对大规模多输入多输出（MIMO）系统中因接收机硬件非线性、量化误差等损伤导致传统线性信道估计模型失效、精度下降的问题，研究人员提出了一种非线性信道估计框架。该框架利用高斯过程（GP）回归建模硬件损伤产生的畸变函数，并结合增强的稀疏贝叶斯学习（SBL）方法，实现了畸变感知的稀疏信道估计。提出的两种非线性SBL方法在强畸变和高信噪比（SNR）条件下，性能显著优于Bussgang线性最小均方误差（LMMSE）估计器和线性SBL，为实际大规模MIMO系统设计提供了新思路。

  来源：IEEE Transactions on Signal Processing

  时间：2026-02-22

• 面向未来电力市场的新型可准入空间耦合需求响应模型：协调快充负荷与常规车辆以充分挖掘配网灵活性

  为解决快充站负荷空间灵活性的建模空白及其与常规车辆的协调调度问题，本文提出了一种基于空间耦合需求响应的新型模型。通过揭示常规车辆反向迁移可抵消电动汽车出行时间影响这一机制，构建了“自下而上”的模型。研究证实该模型能有效表征灵活性容量与成本，其调度可缓解配电网线路过载与电压越限问题，为未来电力市场中充分挖掘快充负荷灵活性提供了理论依据。

  来源：Protection and Control of Modern Power Systems

  时间：2026-02-22

• 基于分段线性建模与故障距离系数的分布式电网定时限过电流保护方法

  为应对高比例逆变型分布式电源（IIDG）并网导致的传统过电流保护性能下降问题，研究人员开展了基于分段线性建模与保护范围系数的保护新方法研究。该方法非迭代计算故障电流，提升了保护的选择性、灵敏性与速动性，为含高渗透率IIDG的配电网提供了可靠保护方案，极具现实意义。

  来源：Protection and Control of Modern Power Systems

  时间：2026-02-22

• 基于磁耦合的紧凑型同轴-空心基片集成波导转换结构设计与性能研究

  为解决现有同轴-空心基片集成波导（ESIW）转换方案制造工艺复杂、与标准测量设备兼容性差、多重转换导致电性能恶化等问题，研究人员提出并设计了两种基于磁耦合原理的新型同轴-ESIW转换结构。该设计流程包含等效电路模型，制造工艺大幅简化，仅依赖基础的切割与金属化流程。实测结果显示，两种转换器分别实现了1 dB和0.7 dB的插入损耗，以及12.5 dB的回波损耗。

  来源：IEEE Journal of Microwaves

  时间：2026-02-22

• 基于胸部计算机断层扫描的放射组学与机器学习技术在分类由血液系统恶性肿瘤及转移性腹盆腔实体瘤引起的纵隔淋巴结病变中的应用

  通过整合定量CT和机器学习分析257例新冠出院患者影像特征，发现分为SAD、中间、年轻纤维化和老年纤维化四类影像表型，其中SAD表型显著关联肺功能异常，老年纤维化表型肺容量指标最低。

  来源：Journal of Thoracic Imaging

  时间：2026-02-22

• 文档未详述此点，但基于我所掌握的知识，您上传的文档内容为一份2026年2月的日历（February Calendar），不包含任何关于学术研究、文章标题、摘要、方法、结果或作者单位的信息。因此，无法根据您提供的【文档内容】回答您关于研究性论文分析的任何问题。如果您需要此类分析，请提供相关的学术文档或链接。

  文档未详述此点，但基于我所掌握的知识，您上传的文档内容为一份2026年2月的日历（February Calendar），不包含任何关于研究问题、研究主题、结果或意义的信息。因此，无法根据您提供的【文档内容】生成推荐语。

  来源：IEEE Instrumentation & Measurement Magazine

  时间：2026-02-22

• 两种混合搭配策略的三年对比：增强型单焦点和三焦点人工晶状体与增强型单焦点和三焦点EDOF人工晶状体

  白内障手术患者社会人口学及临床因素与术后并发症相关性研究，基于美国16所学术医疗中心2010-2023年78565例手术数据分析，发现男性、黑人、复杂手术及术前视力差显著增加并发症风险，而高龄、城市居住、家庭有儿童则降低风险，提示需将健康不平等因素纳入围手术期风险分层以提高手术公平性。

  来源：JRCS

  时间：2026-02-22

• 高血压与全髋关节置换术后不良结局的相关性：一项匹配队列分析

  本综述通过大数据分析，确证了高血压是全髋关节置换术后不良事件的独立风险因素，其与术后并发症风险及5年植入物生存率降低均显著相关。

  来源：JAAOS Global Research & Reviews

  时间：2026-02-22

• ：基于动态样本图增强多模态特征融合的药物响应预测方法DSGPred

  本文提出了一种名为DSGPred的药物响应预测新框架。针对实际数据中普遍存在的模态缺失问题，研究者创新性地构建了动态样本图来量化并利用缺失模式，并融合了药物化学结构和多种生物实体特征，以及细胞系的多组学数据。该模型通过Transformer编码器和交互模块深入捕捉药物与细胞系间的复杂相互作用，在基准和独立测试集上均超越了现有方法，展现出优异的预测性能和泛化能力，为精准医疗和抗癌药物研发提供了有力的计算工具。

  来源：IEEE Transactions on Big Data

  时间：2026-02-22

• 基于ChatGPT的大型语言模型在生物医学文献中挖掘疾病因果关系的潜力评估：一项人工智能赋能科学（AI4S）的实证研究

  本文探讨了如何利用生成式人工智能（GAI）驱动科学研究范式转变。为评估以ChatGPT为代表的大语言模型（LLM）在生物医学领域的知识发现能力，研究者开展了从大规模文献中自动提取疾病因果关系的案例研究。结果表明，在精心的提示工程引导下，ChatGPT的识别准确率极高（疾病-疾病组94.73%，化学-疾病组92.47%），可显著节省人力与时间成本。这有力支持了“AI for Science (AI4S)”的愿景，为加速生物医学研究提供了新思路。

  来源：IEEE Transactions on Big Data

  时间：2026-02-22

• 基于多模态张量数据融合的黄芪饮片质量分级方法

  本文针对传统中药材黄芪饮片质量评估中存在的单一指标局限、多模态数据利用不足等问题，提出了一种基于多模态张量数据融合的质量分级方法。该研究创新性地引入协作引导机制与Tucker张量分解技术，构建了名为MAQG的融合模型，成功实现了对黄芪饮片外观特征、内在成分与图像等多模态数据的有效整合与精准分析。最终，该方法在自建数据集上的平均分类准确率达到88.14%，显著优于现有基准模型。这项工作不仅为中药材的质量科学评价提供了高效新工具，也为复杂高维生物医学数据的智能化处理提供了创新思路，具有重要的学术价值与应用前景。

  来源：IEEE Transactions on Big Data

  时间：2026-02-22

知名企业招聘：