先说一个不少医学超声影像方向研究者都经历过的情况你明显觉得工作做完了方法有创新点数据也摆在那里却在同一道关卡上反复被卡——“临床价值和可复现性不够”。我的这篇 UMBUltrasound in Medicine and Biology投稿就是这个剧本从第一次投出到正式录用前后跨了大约一年四个月中间经历了两轮完整审稿、一次明确拒稿、一次重投。现在回头看真正让我最终被录用的不是多补了多少个实验而是我把整个“故事”重新讲了一遍并按审稿人的视角把稿件从头拆开再组装。这篇文章不适合只想看“怎么快速中稿”的人它没有捷径。它适合正在做医学超声方向研究、尤其是医工结合类课题正在准备投稿或刚被拒稿的硕博生、青年科研人员。我会把选刊、初稿准备、第一轮大修、被拒后的判断、重投策略、Response Letter 写法、Proof 阶段检查全部串起来按一条真实的学习曲线来讲也会给出可以直接拿来自检的清单。1. 为什么选 UMB 而不是“超声顶刊们”我的选刊判断标准1.1 UMB 和 IEEE TUFFC、Ultrasonics 的定位差异医学超声方向的期刊没有计算机视觉圈那么多但选择起来同样会让人纠结。很多人一上来就把目标锁定在几个“看起来很难”的刊物上反而忽略了稿件内容和期刊定位的匹配度。UMB 在国内科研评价体系里不算那种“高爆点”期刊影响因子谈不上惊艳但它在临床超声圈、超声医学工程圈公认度很高属于“内行看门道”的期刊。我当时的研究内容更偏向医工交叉超声影像中病灶区域的自动识别与量化分析涉及图像预处理、模型训练、临床数据验证。这里就碰到了第一道选择题到底是投到工程技术型期刊还是投到医学影像型期刊我把几个候选放一起对比过差异非常明显。期刊领域偏重常见稿件形态对临床数据的要求UMB医学超声与生物学场景超声信号处理、影像组学、临床验证、弹性成像、造影超声常需要明确的临床问题和真实数据支撑IEEE TUFFC超声工程、传感器、换能器探头设计、压电材料、系统级信号处理工程技术指标为主临床数据不是硬性门槛Ultrasonics声学物理、基础超声效应声场建模、空化、无损检测、部分医学超声偏物理原理医学场景可多可少European Radiology临床影像学综合诊断效能、对比研究、多模态成像需要较完整的临床研究设计和统计效能看到这个表你应该能感觉到UMB 的生态位恰好夹在“工程实现”和“临床决策”之间。它不会因为你模型很复杂就买账也不会只看临床样本量不看方法创新。它要求你同时讲清楚两件事这个技术到底解决了什么临床环节的问题你在工程上又做了哪些可验证的改进。1.2 三个筛选问题在投稿前问自己的稿件除了看期刊范围我后来还总结了一套很笨但有效的筛选方法在投稿前拿自己的稿件去问三个问题。第一个问题如果我是临床医生我会不会在看完摘要后想说“所以呢”这个问题真的能过滤掉大量自嗨式技术稿件。很多论文花了一半篇幅写网络结构、损失函数、注意力模块看完摘要完全不知道这个工具该放进超声科哪个工作环节里。UMB 这类医学场景期刊尤其吃这一套编辑初审阶段就经常因为这个理由直接拒稿。第二个问题这篇稿件里的数据和方法换一个人能复现出多少医学超声的数据获取成本远高于自然图像。你的超声数据是哪个型号的机器采的探头频率多少增益和深度设置有没有记录ROI 是怎么框的标注者是几名有没有做一致性检验这些问题如果在稿件里一个都找不到审稿人会默认你“不可复现”。第三个问题这本期刊近两年发过多少篇和我们问题域相似的文章我当时没有单纯看引用量而是在 UMB 官网把近两年的目次翻了一遍把所有和“超声影像 自动分析 临床验证”相关的文章都拉出来看它们的篇幅结构、验证指标、图表风格。这一步是确定文章叙事框架的捷径能让你的稿件看起来“长得就像这个期刊的人”。2. 初次投稿前我认为做得还不错、其实很粗糙的准备工作2.1 数据与伦理超声图像的匿名化和可用性最容易出事第一次投稿前我花最多时间在训练模型上数据伦理和匿名化反而没太当回事。这是最危险的想法。超声影像数据牵扯到的隐私细节非常多DICOM 头文件里的患者姓名、检查号、医院名称、操作医生 ID、甚至扫描设备的序列号都在不知不觉中会泄露出去。我当时重新导出了一批数据才意识到问题有多隐蔽。比如有些超声工作站导出的静态图会在角落带上“HOSPITAL XX ULTRASOUND DEPT”、设备型号、探头型号和频率如果你用的是 python 读 DICOM那里面的 metadata 几乎包含了患者全流程信息。正确的做法是脱敏后统一重命名并写一份数据处理说明放在补充材料或 Data Availability Statement 里。伦理这块超声影像研究看似不侵入人体但只要使用了临床采集的患者数据就不能想当然地认为不需要伦理审批。很多期刊现在要求投稿时提供伦理批件编号、知情同意说明或者至少说明数据的回顾性/前瞻性来源。如果涉及多中心数据还要确认中心之间的数据使用授权是否覆盖了“模型训练”这一用途。审稿人经常会在方法部分找这行信息找不到就直接当成硬伤。2.2 图表、Highlight 和 Cover Letter编辑在 5 分钟内看什么编辑刚开始处理一篇投稿时通常不会立刻逐字读全文。我的经验是编辑或初审人员往往先扫一遍标题、摘要、图表和 Cover Letter形成第一判断。换句话说这几样东西决定你的稿件能不能通过“第一轮印象分”。Highlight研究亮点是很多人随便填的部分其实影响很大。一个好的 Highlight 不应该是“我们提出了一个新方法”而应该是“面向甲状腺结节超声筛查中的低年资医生漏诊问题构建了一套基于时序超声特征的风险分层模型并在外部数据集上验证了其稳定性”。每条尽量不超过 85 个字符写满 3 到 5 条即可别在这里把摘要复读一遍。Cover Letter 则是一份独立的说服文件。我当时犯过一个错误几乎把摘要原封不动贴到 Cover Letter 里。后来我重写时按这样一个结构来组织编辑抬头一句话说明稿件类型和方向两句话交代研究背景临床场景中的具体痛点三句话介绍核心发现方法是什么、数据是什么、结果改善到什么程度两句话说明为什么适合 UMB切入的是医学超声场景、读者会关心这个问题末尾声明稿件未一稿多投、所有作者无利益冲突。不要在 Cover Letter 里堆砌“首次提出”“填补空白”这类词。除非你完整做过文献检索、确认没有同类工作否则大概率会被审稿人反手diss。2.3 报告规范审稿人手里的隐藏清单医学影像类期刊越老牌、医学背景的审稿人比例越高越在意报告规范。UMB 这类期刊不会强制你填一份 checklist但审稿人脑子里都有一套对应研究类型的规范。你做诊断准确性研究他会期望里面出现符合 STARD 报告要素的结构你做系统综述他会期望 PRISMA 的流程你做观察性研究他会期望 STROBE 的影子。第一次投稿时我的方法部分写了很大的篇幅描述网络结构和训练细节却在“金标准怎么建立”这一项上只写了一句话“由两名有经验的超声医师根据病理结果进行标注。”这一句直接被审稿人抓住了。什么叫有经验多少年的经验是否知道病理结果标注时是否独立两人不一致时怎么裁决Kappa 值是多少这些问题全是真实审稿人会关心的事而我当时根本没想到它们属于“报告规范”。所以准备投稿时不要只盯模型精度。先确定你的研究类型再去查找对应的报告规范清单逐条对照补写。这一步花不了半天但能避免在最愚蠢的环节被揪住不放。3. 第一轮投出到 Major Revision完整时间线和高频审稿意见3.1 整条时间线到底走了多久刚把稿件投出去的那几天我几乎每天登录投稿系统看状态变化。结果很真实头两周一直是 “Submitted to Journal”第三周变成 “With Editor”然后又不动了。前前后后从投稿到收到第一轮决定大概用了 3 个月出头。我把时间线列出来是想提醒后来人这个周期是正常的而且只是开始。用我们这条线大致是这样的阶段耗时主要状态投稿到编辑分配约2周Submitted to Journal → With Editor送审到审稿意见返回约2个月Under Review期间可能身份不明但状态不变编辑决定约2周Major Revision修改周期约2个月建议不要赶时间宁可多补实验修回后再审约1.5个月Under Review可能包含一位新审稿人如果稿件在 With Editor 阶段停留超过 3 周甚至一个月我通常会在系统里礼貌发一封邮件问询或者查看是否收到了“编辑邀约审稿人困难”的通知。大多数Elsevier 系统的期刊编辑找不到合适的审稿人时状态会长时间停住。这种情况催一下是完全合理的。3.2 大修意见的常见构成和我的处理顺序第一轮意见回来是 Major Revision三位审稿人一共 40 多条。看到这个数量的第一反应是头皮发麻但把意见梳理完会发现它们远没有看起来那么吓人。按我的分类临床上技术型审稿意见通常可以放进这么几个筐里意见类别典型问法处理策略数据与样本问题“仅使用了单中心数据”“外部验证样本量过小”补充外部队列或明确写出样本量限制的讨论方法与实现问题“ROI选择未说明”“未与其他方法进行公平对比”补实验、补细节、统一实验设置临床意义问题“AUC提升0.02是否真的影响决策”增加临床场景分析补充专业医师对照实验或决策曲线写作与规范问题“需要补充金标准描述”“缩写定义不完整”直接修改文本响应信里指明位置处理顺序不能是“从上到下挨个答”。我当时把意见先按“硬伤—补充—解释—文字”四个级别排了优先级。硬伤级的是必须先动手做实验或补数据的这一部分直接影响命运其次是能通过补充分析解决的解释类问题放在写 Response Letter 时统一处理文字类问题则随正文修改同步完成。3.3 修回时最容易犯的错误所有意见平均用力第一次修改时我犯了一个后来被我自己复盘了很久的错误对每一条意见都写了很长的回复短的也有三五行长的差不多半页。我本意是体现认真实际上却把关键问题的回答淹没在了大量客套话和背景解释里。审稿人回复信通常很忙他们不会逐字看你的长篇大论而是在找几个信号这条意见你是照做了、解释了、还是反驳了。如果一眼看不到重点很容易觉得作者在“敷衍了事”。后来我再处理类似问题时每条意见回复控制在“意见重复 三句话以内的核心回应 修改位置指引”这个结构里。你要让审稿人用 10 分钟就能读完 40 条回复而不是抱着咖啡读上一小时。另外修回时还会遇到一个常见问题要不要接受所有意见当然不是。有些审稿人提出的实验设计可能不符合你现有数据的边界你需要礼貌解释。但解释不等于强辩更不能带着情绪。我的原则是能在现有框架下做到的就做做不到的给出数据边界或领域惯例说明。只有当你确实认为审稿人的建议会产生误导才有必要清晰说明原因。4. 从 Major Revision 到 Reject第二次拒稿的真实原因4.1 为什么“技术问题都答了”还是被拒第一次修回后我原本以为最差也是个 Minor Revision。结果等来的是一封明确的 Reject。看到邮件那一刻我心里其实很不服气多中心数据补了一点实验对比补齐了ROI 描述也写了为什么还被拒直到我重新读了那封decision letter第三位审稿人的核心意见才让我冷静下来“作者补充了充分的工程实验但未能在临床适用性方面给出足够有说服力的证据。简单的性能提升数值不能直接转化为临床工作中的决策改善。”这就是医学超声期刊和技术类期刊最大的不同。技术类期刊看到你方法更优、速度更快可能就满意了但 UMB 这种强调 Medicine and Biology 的期刊审稿人会追问一个更狠的问题你的方法提升放到真实的超声工作流里到底哪一步变好了诊断时间缩短了低年资医生漏诊率降低了还是误诊率下降了这些指标你没有测那你的方法就只能停留在“实验室玩具”阶段。4.2 那封 Reject Letter 里真正刺痛我的三句话把整封拒稿信翻来覆去读了几遍有三句话我印象非常深也直接变成了我重写稿件的三个支点。第一句大意是“内部测试集上的平均性能提升幅度较小且没有报告不同操作者之间的变异性评估。”它指出的问题不仅仅是数据量而是我没有回答“换个人用结果还稳不稳”。超声图像是出了名的操作者依赖型数据探头角度、压力大小、切面选择都会影响图像内容。一个模型如果在操作者 A 扫的图像上好用在操作者 B 扫的图像上就不行那它很难真正进科室。第二句是“方法在孤立环境中表现良好但未见到与超声临床工作流程的整合讨论。”这是在说我的论文没有场景。我只写了模型结构、训练细节、测试结果却没有描述这个模型会以什么样的形式出现在超声医生的工作台上是在实时扫查时给出提示还是在离线阅片时批量标记又或是在报告系统里生成结构化描述。这些流程中的细节决定了临床应用是否成立。第三句是“外部验证数据规模过小削弱了结论的泛化性。”这句话扎心但也直接。我当时所谓的外部验证实际上只找了另一家医院的小样本数据中心数量和数据量都撑不住结论。审稿人没有直接说“你不能这样写”但数据量小到让人无法信服。这三句话合在一起我总结出了一个公式技术完成度 操作者鲁棒性 使用场景明确性 临床可用性。缺任何一块审稿人都会觉得这只是“一个模型”而不是“一个工具”。4.3 拒稿后的判断转投还是留在 UMB收到 Reject 后很多人第一反应是立刻改投另一个期刊。但我的做法是先看编辑信里的一句话导向。如果编辑说“这篇稿件的方法有一定价值但当前证据不足”这和“稿件不符合本刊范围”是完全不同的。前者说明论文的选题方向在这个期刊是成立的问题出在“怎么证明”后者说明方向性错误硬留在 UMB 意义不大。我们那封拒稿信里编辑没有完全关上重投的门。虽然系统里的状态显示是 Reject但编辑在正文里暗示如果能在临床验证和流程整合上进行实质性修改欢迎重新投稿。这就让我松了一口气方向没问题叙事和证据链出了问题。要不要留投同一期刊还需要考虑一个现实因素重投的周期和你手上已有资源的匹配度。如果补充实验需要一年而你马上要毕业那留投同一本期刊的风险就很大。我当时判断修改周期大约三四个月数据也够得着才决定重投。顺便也做了一件事把初投版本、修回版本和拒稿意见按时间顺序归档好方便后续对比哪里变了。5. 重投前的“稿件重构”我如何把技术报告改写成医学研究5.1 摘要和引言重写把临床价值放在第一页重投不是把原来的稿件改改格式再传一遍而是要把“叙事重心”整体平移。我做的第一件事就是重写摘要和引言。旧版摘要第一句话是“本文提出了一种基于深度学习的超声图像分类模型”。这个开头的问题在于它默认读者关心的是模型。但 UMB 的读者更关心的是场景和问题。新版摘要第一句话改成了“甲状腺结节超声筛查中结节边界模糊和医生经验差异是导致误判率偏高的重要原因”然后在第二句才引入“本研究设计了一种结合时序特征的自动化风险分层方法”。这个调整很微小但解决了一个根本问题让读者在读摘要的第一秒就明白我是在为某个临床痛点工作而不是为了深度学习而深度学习。引言同样做了大改。旧版从深度学习的背景入手第三段才开始提超声新版则先用两段描述超声影像在甲状腺结节筛查中的作用、当前诊断决策中的困境然后再引出“人工智能辅助有可能缓解这一问题但目前的自动化方法缺乏对临床工作流的考虑”。这样一来后面的方法像是从问题里长出来的而不是凭空掉落的模型。5.2 新增的验证内容外部数据、鲁棒性和泛化性针对那三句扎心的话我在这场重构中新增了三块内容。第一块是操作者变异性分析。我重新找了三组超声医师或技师分别对同一批影像进行独立标注或采集然后计算他们标注结果之间的 Kappa 值并分析模型在不同操作者数据上的表现波动。这一块内容直面“换个人用还行不行”的问题。第二块是外部数据集的扩展。原来的外部验证很小我后来通过合作医院争取到了另一组独立超声影像数据虽然总量仍然算不上丰厚但至少覆盖了不同设备型号和不同扫查参数。我在论文里如实写了这些差异并增加了一张表格比较内外部数据集在病灶分布、图像灰度分布等方面的差异。审稿人未必期待你用十几家医院的海量数据证明泛化性但至少能看到你在主动降低模型对特定设备、特定操作者的依赖。第三块是临床使用场景的具象化。我在方法部分新增了一个子章节描述模型预期介入的工作流超声医师扫查结束后系统自动从动态影像中提取关键帧并给出风险评分医师在完成报告前可以查看系统提示最终决策由医师负责。还用文字描了一段“使用场景示意”说明这个模型不追求替代医生只是做一个“第二双眼睛”。5.3 Response Letter 的结构让审稿人 10 分钟找到他想看的如果我只能分享一个关于重投的经验那就是 Response Letter 的质量直接决定重投的成败。第一次修回时我的回复信写得太“啰嗦”第二次我彻底换了写法。我采用的结构是开头总起感谢编辑和审稿人的时间并说明“我们已根据所有意见进行了修改以下为逐条回复”。然后对所有意见进行编号用表格形式放在前面给出一份“地图”意见编号意见摘要处理动作修改位置R1.1缺少外部验证新增独立数据集验证见3.4节和表5第8页第213-228行R2.3ROI定义不清楚补充标注规则和一致性检验第5页第126-141行这份表格的作用不是给审稿人省事而是帮他们建立“这个人真的每条都答了”的第一印象。然后在表格后面再逐条详细回复。详细回复中每条意见都先引用原文再写“我们的修改”修改说明不超过三段最后标出“见修改稿第XX页XX行”。还有一个容易被忽略的技术细节不要用红色字体标注修改内容。很多在线投稿系统会自动转换格式颜色会丢失甚至导致字符乱码。更可靠的做法是提交一份带行号的“修改稿标记版”track changes 或黄色高亮同时再附一份干净的“最终版”。有的期刊系统只允许一份正文文件那就花点时间把高亮内容说明清楚。5.4 图表重构和其他容易忽略的小事论文重写过程中图表往往被当作“次要元素”处理但实际上审稿人看图表的时间通常比看正文还长。我们旧版的结果图大多数是模型指标曲线、混淆矩阵、AUC 对比图信息量很大但缺少一个让临床读者“一看就懂”的示例图。重投版里我重新组织了一张主图上半部分是几组典型病例的超声原始图像、模型注意区域热力图和医生标注的对比下半部分是同组病例的风险评分分布。这张图一放上去整篇文章的临床属性立刻增强了。图片的图注也全部重写做到不读正文也能大致理解图里每个子图是什么、样本来自哪个数据集、统计检验是什么。超声图像类的论文附图还有一些专门的讲究。比如原始超声图像必须保留设备型号、探头频率、增益等信息不要为了方便做图而对 B 模式图像做过度滤波和增强否则相当于修改了原始数据灰度超声图尽量用灰度显示不要强行套一个不适合打印的颜色映射表图片分辨率要满足期刊印刷要求最好在投稿前统一按 300 dpi 以上导出。此外有一个小细节特别容易翻车多中心数据里的“单位英文名称”。很多医院在作者单位列表里有不同的英文翻译写法第一次投稿时我们没有统一导致修回后还要纠正。Elsevier 系统生成 Proof 时这些信息会原样出版改起来很麻烦。6. 第二轮重投后的流程从 Under Review 到 Accept6.1 重投后发生了什么时间线变化重投后稿件会走一套新的提交流程。与我们想象的不同编辑并没有完全重新邀请一批审稿人而是大概率保留了原审稿人中的一位同时邀请了一位新的审稿人。这种做法的好处是愿意继续审稿的原始审稿人能直接看到“意见有没有被认真回应”新审稿人则能提供相对客观的独立视角。第二轮的时间线比第一轮短一些大约三周送审一个多月返回最终结果是小修Minor Revision。小修意见一共五条几乎全是写作和补充文献层面的内容某一处缩写需要定义、某一段对决策曲线的描述需要补充参考文献、图例中有一个单位符号写错了。其实当审稿意见集中在这种“小毛病”层面时基本说明核心问题已经解决离接收不远了。但越是这种阶段越不能掉以轻心。6.2 Minor Revision 阶段别把“小修”当小事小修不等于可以随便应付。我见过有人在小修阶段只改了一半就提交结果被退回白白浪费了两周。收到小修决定后建议先花半天把每一条意见梳理清楚哪怕只是改一个错别字也要在 Response Letter 里明确回复“已修改”。这个阶段还要注意不要在回复里因为觉得意见简单而省略表格或行号信息。有些作者小修时回复信写得很随意反而给编辑留下“不够认真”的印象。编辑决定接收前通常还要快速扫一遍你的回复信确认所有问题都闭环了。你的回复信严谨编辑对你的信任度就会更高。我在这个阶段另外做了一件小事把修改稿里的所有行号重新核对了一遍确保回复信引用的行号和新版本一致。这个细节看起来不起眼但能避免审稿人想查证时翻错位置。6.3 Proof 阶段最后一次严谨的机会论文收到 Accept 后Elsevier 会把稿件转到生产流程大约一两周后你会收到 Proof 邮件。Proof 阶段的核心任务不是“再读一遍论文表达是否优美”而是逐项核对事实性信息。我整理了一份 Proof 阶段快速检查表每次都用得上作者姓名拼写、单位顺序、第一作者和通讯作者标记基金项目名称和编号注意批准号里的数字和字母大小写数据可用性声明是否保留了正确链接参考文献的编号、卷号、页码、作者名是否被系统格式化成错乱状态所有图的标题、数量、顺序是否与正文引述一致表中数据是否被排版系统错误转换尤其是小数点、百分比符号超声图像的灰度印刷效果是否可接受必要时检查彩色图在灰度版下的可读性。有人觉得 Proof 阶段就是点几下“确认”的事。实际上我见过一个案例作者在 Proof 里发现参考文献编号全部往后错了一位如果没发现直接确认文章一出刊就会变成一篇硬伤论文。Proof 阶段不允许做大量内容补充但修改小的事实错误是完全可以的。此时改一个单位名称、修正一处数据不同版本的误差都来得及。7. 复盘如果让我再来一遍我会在哪些地方省时间7.1 在“作者能控制”和“作者不能控制”之间设边界经历这一轮之后我对投稿的心态有了很大变化。刚开始投稿时我几乎每天都会刷投稿系统但后来发现审稿周期、审稿人数量、审稿人是否苛刻这些都不是我能控制的事。我能控制的只有稿件质量、回复质量、数据补充完整度、汇报是否清晰。把精力全部放在可控项上才不会被负面情绪消耗掉。如果现在让我再走一遍我最想提前做的是在初稿阶段就按“临床价值叙事 报告规范 操作者变异性分析”这三个维度来设计文章而不是等技术意见回来再补。因为补实验和重新组织叙事的时间成本远高于一开始就写对的时间成本。7.2 我最大的教训别把审稿人的价值质疑当情绪攻击被拒稿后我把审稿意见发给同行看大家的结论出奇一致审稿人其实是在帮我把文章往更可用的方向拉。当时身处其中很难接受“临床意义不足”这种评价觉得我明明做了很多工作。但后来我意识到审稿人要的“临床意义”不是一份声明而是一组证据数据能不能支撑使用场景、结果是否考虑了操作者因素、研究是否回答了“用在哪里”。反复重写的过程中我的另一个体会是论文写作本质上是在“替审稿人问问题”。你自己先问得足够狠审稿人就没机会问出致命问题。那些被一句话问倒的问题往往是你自己心里知道但没时间补写清楚的。7.3 一份留给后来者的投稿自检清单如果把整个投稿过程压缩成一页纸我会把以下每一项都当成“提交前必须打勾”的任务明确研究类型对照对应的报告规范逐条检查患者数据完成脱敏DICOM 头文件已清理伦理批件信息已写入稿件摘要的第一句写的是临床问题不是技术名词Highlight 已按“问题—方法—验证”的逻辑重写且每条不超过 85 字符Cover Letter 里写清楚了为什么适合该期刊且没有过度承诺方法部分包含数据来源、操作者信息、标注规范、一致性检验对比实验设置公平指标选择符合领域习惯外部验证数据规模和来源在正文中如实说明图表满足期刊分辨率和灰度要求图注不依赖正文也能读懂参考文献引用规范期刊名缩写统一Response Letter 提供意见编号和修改位置“地图”每条回复不超过三段修改稿行号正确高亮或修改痕迹版本干净。最后再分享一个我很受用的处理“审稿意见”的小技巧收到任何一轮意见后先别急着回复任何内容而是花半小时把意见分成三列一列写“批评事实”一列写“批评解释”一列写“批评价值”。事实类意见去补数据、补实验解释类意见去补充论证和对照价值类意见去重写引言、讨论和结论。这个方法帮我熬过了最难的重投阶段后来帮同事看稿时也一直在用。