返修,别怂!这样回复直接接收,模板拿去抄

一、方法细节与超参数设置

1.审稿人问：请详细说明数据预处理步骤、模型架构、正则化方法以及所有超参数（batch size、learning rate、optimizer、epoch、patience 等）。

回复建议：需如实列出实际使用的参数。包括：图像预处理（重采样方法、归一化方式）、网络架构（如 ResNet 全层微调）、正则化（L2 和 batch normalization 默认使用）、优化器（如 SGD）、学习率、批次大小、最大 epoch 数。早停策略可写为“连续 N 个 epoch 损失未下降则停止”，并给出具体 patience 值。

2.审稿人问：为什么选择特定的深度学习模型？微调了哪些层？是否冻结部分层？

回复建议：说明使用的是主流预训练模型（如 ResNet-18/34/50），所有层均参与微调。若审稿人质疑，可强调这是基于训练集表现最优的选择。

3.审稿人问：请提供目标函数/损失函数的公式。

回复建议：根据模型类型提供对应公式（如 Cox 损失函数）。若原文遗漏，建议补充在回复或正文方法中。

4.审稿人问：模型参数的实际数量（参数量）是多少？

回复建议：可计算并给出具体数值（例如 ResNet-34 约有 2100 万参数），表明模型复杂度。

二、特征提取与选择

5.审稿人问：特征提取使用了什么工具？是否遵循 IBSI 标准？请提供特征列表和配置文件。

回复建议：说明使用开源工具（如 pyradiomics），给出版本号，遵循 IBSI 标准。将特征提取的配置文件和提取到的特征名称列表（表头）提供给审稿人，或承诺接收后开源代码。

6.审稿人问：为什么特征数量与模板/默认值不一致？

回复建议：模板是通用示例，实际特征数需根据自己提取的结果修改，应如实填写原始提取特征数及筛选后保留的数量。

7.审稿人问：特征筛选方法（如 PCA、LASSO）的具体过程？每个步骤保留了多少特征？

回复建议：说明筛选在训练集上进行，给出每一步（如方差阈值、LASSO）后保留的特征数。若审稿人要详细数值，可指向开源代码或配置文件。

8.审稿人问：插值方法（如重采样）是什么？对纹理/形状特征有何影响？

回复建议：默认使用最近邻插值。定性回复可说明插值方法不会对纹理特征产生显著影响；定量需做不同插值对比实验，一般可不提供。

三、模型融合与对比实验

9.审稿人问：为什么没有做多序列/多方法的融合？融合策略是什么？

回复建议：若实际未做融合，可回复做的是不同方法学的对比，而非结合。若做了后融合，需说明：使用每个子模型预测的风险分值作为新特征，再用 Cox/逻辑回归进行二次拟合。

10.审稿人问：为什么没有与临床模型、病理组学等结合？要求补充临床特征或做融合模型。

回复建议：可如实说明临床模型信息增益不大，或单独补充一个临床模型结果放入补充材料，证明其效果差以凸显影像模型价值。若不想补充，可拒绝并说明理由（研究重点不在临床，或临床数据收集不全），并引用类似文献。

11.审稿人问：如何体现深度学习模型的增量贡献？要求做消融实验（如逐一移除模块）。

回复建议：可拒绝，说明研究目的是整体融合模型的性能，而非比较单一方法优劣；几乎所有文献都证明融合优于单一，无需额外消融。若同意补，则补充两两组合的结果表格。

12.审稿人问：为什么某些对比结果没有显著性检验（如 DeLong 检验）？要求提供配对差异和置信区间。

回复建议：DeLong 检验本身不提供置信区间，基于固定样本量未做 bootstrap 重采样，故没有置信区间概念。可甩出多篇文献证明该做法常见，或补充百分比提升说明。

四、评价指标与统计检验

13.审稿人问：为什么没有置信区间？要求给 AUC、NRI、IDI 等指标提供置信区间。

回复建议：固定样本量下，DeLong 检验等无法给出置信区间，需通过 bootstrap 或交叉验证重采样才能计算。可回复未做重采样故无，并引用文献支持；或找几篇无置信区间的论文作为例证。

14.审稿人问：NRI/IDI 是基于连续风险值还是阈值？如何选定阈值？

回复建议：基于最佳阈值（如 Youden 指数）计算重新分类指标，不同阈值下结果会有差异。阈值应基于训练集确定，在测试集上固定使用。

15.审稿人问：校准曲线（Calibration curve）的截距和斜率是多少？总体校准如何？

回复建议：校准曲线通常是多段折线，无统一截距和斜率。可目测或简单线性拟合给出近似值，或说明使用的接口无直接输出功能。

16.审稿人问：决策曲线（DCA）的阈值范围如何确定？

回复建议：目测给出一个大概范围（精确到小数点后一位即可），说明在该范围内模型有临床净收益，无需过于精细。

17.审稿人问：混淆矩阵为什么不提供？

回复建议：混淆矩阵基于 0.5 阈值，而最佳阈值往往不是 0.5，故不常用。敏感度特异度可推导混淆矩阵，可不提供。

五、临床意义与补充实验

18.审稿人问：为什么没有做人机对比？或要求提供模型推理时间、包含预处理时间等。

回复建议：模型推理本身是毫秒级，不包含人工勾画/预处理时间。可说明是初步探索，或承认局限性。人机对比涉及主观因素，可给出合理时间分布，审稿人无法复现。

19.审稿人问：为什么不做其他终点（如 PFS）？为什么不做基因/病理组学？

回复建议：可拒绝，称当前数据不允许或正在随访收集中，画饼说“在下一份工作中正在开展”。这是典型的“why not”问题，无需真做。

20.审稿人问：多变量回归中是否考虑了某些临床因素的影响？要求补充基线表或亚组分析。

回复建议：若数据缺失多，可回复已收集但缺失严重故删除；或做组间差异性检验，若无显著差异，可说明无需额外调整。