1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | radiology-skills |
| 作者/维护者 | huang-sir1（“黄sir组学工作室”团队，自述核心成员为发表过 Radiology 原创性研究的第一作者） |
| 来源链接 | https://github.com/huang-sir1/radiology-skills |
| 许可证 | MIT（GitHub API 获取） |
| GitHub Stars | 1,245（GitHub API 获取） |
| Forks | 13（GitHub API 获取） |
| 最新版本 | 未打正式 Release/Tag；README 更新记录显示 2026 年 7 月内四轮实质性扩展，最近提交 2026-07-27 |
| 安装方式 | git clone 后复制 radiology-skills/ 整个文件夹到 Codex/Claude 的 skills 目录 |
2. 功能介绍与亮点
面向影像组学、医学影像深度学习与影像 AI 科研全流程的技能包。总入口按任务路由到 27 个细分模块（README 称“虚拟专科顾问”），覆盖立题设计、数据标注伦理、建模统计、写作图表、投稿基金申报、科研 Agent 设计六大阶段，可单独调用也可串联。
核心亮点：
- 双期刊规格：同一套规则覆盖 Radiology 家族与 Nature 系列的摘要结构、图表尺寸等格式差异
- 报告规范前置审计：内置 CLAIM 2024、TRIPOD+AI、CLEAR、IBSI、STARD 等十余项国际影像 AI 报告规范核查；附带两个纯本地文本脚本辅助数据泄漏自查
- 诚信优先：不编造数据、文献编号或统计量，查不到就标注“待确认”；
radiology-research-agent模块排除自主临床诊断与未授权外部写操作 - 中英双语：接受中文输入，产出英文投稿文本或中英对照材料
3. 适用场景
固定分类：内容创作与知识管理。
面向已有 CT/MRI/PET/超声等影像数据、设计影像组学或影像 AI 课题的科研团队与个人研究者。典型场景：判断数据能支撑什么级别课题、按国际报告规范审计研究设计、生成投稿级统计图表、模拟审稿投稿前预审、把研究思路改写为国自然或 NIH/ERC 基金申请书、拆解审稿意见生成回复信。受益人群为放射科/影像 AI 方向博士后、研究生、PI 及科研秘书。
4. 跨 Agent 兼容性
- Codex：原生支持——README 提供
~/.codex/skills专属安装路径与示例 - Claude Code：原生支持——README 定位为“面向中国高水平医学影像科研团队的 Claude / Codex 技能包”，标准 SKILL.md 格式
- OpenClaw / Hermes Agent：未验证——现有材料未提及
5. 推荐理由
通用 AI 工具在影像 AI 科研写作上容易方法学建议泛泛而谈、投错期刊模板、编造统计量或文献编号而不自知。radiology-skills 把这些环节拆解为专项模块，前置对齐审稿人真正会用的报告规范清单，帮助研究者投稿或申报前先查清能查清的部分。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | 上线约六周积累 1,245 星、13 次 fork，面向影像 AI 科研细分领域，个人/小团队产出而非机构级仓库 |
| 可用性 | 8 | git clone 复制文件夹即可安装；文档完整含大量真实调用示例；2026-07 内四轮实质更新；无付费依赖 |
| 安全性 | 8 | 详见下方检查清单 |
安全检查清单：① Shell 仅两个本地脚本（结构审计、数据切分泄漏检查），无 subprocess/eval/exec ② 联网仅文献检索模块调用 PubMed/arXiv/Crossref 等公开学术 API，遇受限域名直接告知不可访问、不绕过 ③ 凭据 NCBI_API_KEY 为可选项，仅提升速率限制、非必需 ④ 未见隐蔽指令或混淆代码 ⑤ GitHub 账号 2019 年注册，非新建小号，未见刷星或夸大措辞 ⑥ License 为 MIT，明确 ⑦ 最近提交 2026-07-27，维护活跃。
综合评分 7.7（三项均值）。
7. 跟同类 Skills 相比的优势
| 对比对象 | 定位 | 差异 |
|---|---|---|
| aizech/clinical-skills | 放射科医生、医疗 IT 与研究者的临床影像工作流技能集合 | 偏“临床工作流+文档”，未对期刊投稿规范与基金申报做深度拆解，仓库规模远小于本技能 |
| 通用学术写作类 Skill | 提供通用论文润色、文献整理能力 | 不具备影像 AI 专属报告规范审计（CLAIM/TRIPOD+AI/CLEAR/IBSI 等）与放射组学方法学规则 |
差异化在于把“审稿人视角”前置到课题设计、统计验证与投稿材料准备的每个环节，做了深度方法学与格式规范封装。
8. 用户评价
该技能上线时间较短（约六周），目前在第三方平台尚无经核实的具名用户评价。
9. 其他补充
27 个模块均标注开发成熟度（草案/测试版/稳定版），区分尚未充分测试与已反复校准的模块。
10. 安装使用方式
git clone https://github.com/huang-sir1/radiology-skills.git
cd radiology-skills
# Codex
mkdir -p ~/.codex/skills
cp -R radiology-skills ~/.codex/skills/
# Claude Code：将 radiology-skills 文件夹复制到 Claude 的 skills 目录需复制整个 radiology-skills/ 文件夹而非仅 SKILL.md，总入口依赖同目录下的 references/、modules/、scripts/、agents/。安装后建议重启 Codex/Claude 或重新加载 skills，随后可用自然语言触发，如“帮我审查这个放射组学流程是否符合 IBSI / CLEAR，有没有数据泄漏”。
11. 注意事项
- 本技能不提供医疗建议、临床诊断或个体患者影像判读，不能替代生物统计师、伦理委员会或监管审查——项目免责声明明确写明
- 27 个模块多数标注“测试版”或“草案”，投稿或基金申报前仍需人工核实报告规范与基金资格的最新版本
- 作者团队的期刊发表背景为项目自述，未见独立第三方核实；仓库尚无 Issue 记录，社区反馈样本有限