期刊简介

期刊简介 期刊简介

主管单位：复旦大学

主办单位：复旦大学附属肿瘤医院

协办单位：中国抗癌协会肿瘤影像专业委员会

主编：常才、彭卫军、樊卫

主任：倪明

地址：上海市徐汇区东安路270号复旦大学附属肿瘤医院10号楼415室

电话：021-64188274

E-mail：

zlyxx@zhongliuyingxiangxue.com

ISSN 2096-6210　

CN 31-2087/R

快捷入口

  • 作者登录
  • 专家登录
  • 主编登录
  • 编辑登录
更多
  • 最新文章
  • 优先出版
  • 过刊浏览
更多
Volume 35 期 4，2026 2026年第35卷第4期

  • 专家述评

    肖勤, 王思敏, 顾雅佳

    DOI：10.19732/j.cnki.2096-6210.2026.04.001
    摘要：2025版乳腺影像报告和数据系统（Breast Imaging Reporting and Data System，BI-RADS）是时隔12年的重要修订版本，整合了乳腺X线摄影、超声、磁共振成像（magnetic resonance imaging，MRI）、数字乳腺体层合成（digital breast tomosynthesis，DBT）及对比增强乳腺X线摄影（contrast-enhanced mammography，CEM）等多项影像学技术，整体更贴近临床应用。本文以表格对比形式，系统梳理2025版与2013版BI-RADS在乳腺X线摄影与MRI两大核心检查体系中的差异。新版在多模态影像之间完成了通用规范的统一，优化了影像学征象描述、淋巴结评估模式与报告结构；针对不同检查技术分别修订了术语定义、判定标准及评估条目，并细化了BI-RADS分类体系，完善了相应的恶性风险评估与临床处置建议。此次更新统一了乳腺影像诊断标准，提升了病灶风险分层的精确性，对规范乳腺影像报告、指导临床诊疗决策具有重要价值。  
    关键词：乳腺影像报告和数据系统;乳腺X线摄影;磁共振成像   
    1
    |
    0
    |
    0
    <HTML>
    <网络PDF><Meta-XML>
    <引用本文> <批量引用> 170626299 false
    更新时间：2026-09-02

    郑钰涵, 尤超

    DOI：10.19732/j.cnki.2096-6210.2026.04.002
    摘要：乳腺癌是威胁全球女性生命健康的最常见恶性肿瘤之一。乳腺纤维腺体组织（fibroglandular tissue，FGT）是区别于脂肪组织的乳腺背景实质成分，其含量、分布及相关功能状态不仅影响病灶显示，也与乳腺癌筛查、风险分层及疗效评估密切相关。不同影像模态可从组织构成、空间分布及功能活动等方面提供互补信息。乳腺X线摄影主要通过乳腺密度反映FGT比例及其遮蔽效应，是目前应用最成熟的评价方式，但二维投影下的组织重叠可能降低病灶检出。超声可描述腺体组织构成和背景回声复杂度，为了解致密型乳腺内部组成差异提供补充信息。磁共振成像（magnetic resonance imaging，MRI）可通过乳腺纤维腺体组织量和背景实质强化评价FGT的空间分布、血流灌注及激素相关功能状态。分子乳腺成像及正电子发射体层成像可进一步反映背景实质摄取和代谢活动，目前相关应用仍处于探索阶段。随着人工智能技术的发展，FGT相关评价正由视觉分级向自动化定量分析及影像学特征挖掘拓展。现有研究主要集中于乳腺密度自动评估、MRI中全乳与FGT的三维分割及背景实质强化定量，并进一步拓展至纹理、空间分布和拓扑结构分析。其他影像模态中的人工智能研究仍处于探索阶段，其标准化程度及临床应用价值尚需验证。本文围绕乳腺密度、超声腺体组织构成、MRI乳腺纤维腺体组织量、背景实质强化及背景实质摄取等FGT相关指标，结合人工智能定量分析方法及临床应用场景，对FGT成分相关研究现状及最新进展进行述评。  
    关键词：乳腺肿瘤;纤维腺体组织;背景实质强化;人工智能   
    1
    |
    0
    |
    0
    <HTML>
    <网络PDF><Meta-XML>
    <引用本文> <批量引用> 170626040 false
    更新时间：2026-09-02

  • 专题论著

    薛琪, 刘春玲, 马智颖, 刘再毅

    DOI：10.19732/j.cnki.2096-6210.2026.04.003
    摘要：目的探讨基于乳腺磁共振成像（magnetic resonance imaging，MRI）的淋巴结报告和数据系统（Node Reporting and Data System，Node-RADS）评分，在激素受体（hormone receptor，HR）阳性乳腺癌患者新辅助治疗前后对腋窝淋巴结病理学完全缓解（pathologic complete response，pCR）的预测价值，比较单一指标与多指标联合模型的诊断效能。方法回顾并纳入2023年1月—2024年12月在广东省人民医院接受新辅助治疗且治疗前后均完成乳腺MRI检查的HR阳性乳腺癌患者。以术后病理学腋窝淋巴结pCR为金标准，采用Node‑RADS 1.0分别评估治疗前后腋窝淋巴结状态，同时将治疗前分子分型纳入预测指标。构建5种预测模型（M1~5）：M1为治疗前Node‑RADS评分，M2为治疗后Node‑RADS评分，M3为治疗前分子分型，M4为治疗后Node‑RADS评分联合治疗前分子分型，M5为治疗前Node‑RADS评分+治疗后Node‑RADS评分+治疗前分子分型。绘制受试者工作特征（receiver operating characteristic，ROC）曲线，计算曲线下面积（area under curve，AUC），比较各模型灵敏度、特异度、阳性预测值、阴性预测值及准确度，评价不同模型对pCR的预测能力。结果148例患者中达到pCR 80例，未达到pCR 68例。单指标模型中，治疗后Node‑RADS评分（M2）预测效能最优，AUC为0.753（95% CI 0.676~0.830，P<0.001），特异度达91.7%；治疗前分子分型（M3）预测效能次之，AUC为0.644（95% CI 0.555~0.733，P<0.001）；治疗前Node‑RADS评分（M1）AUC为0.579（95% CI 0.487~0.671，P=0.226），差异无统计学意义。联合模型显示，治疗后Node‑RADS评分联合治疗前分子分型（M4）的AUC最高，为0.806（95% CI 0.735~0.877），灵敏度56.6%，特异度92.4%，准确度79.3%；治疗前Node‑RADS评分+治疗后Node‑RADS评分+治疗前分子分型（M5）的AUC为0.804，AUC值较M4略微下降，提示模型加入治疗前Node-RADS评分未能提升预测效能。结论新辅助治疗后腋窝淋巴结 Node‑RADS评分对HR阳性乳腺癌患者腋窝pCR具有良好预测价值；治疗后Node‑RADS评分联合治疗前分子分型可进一步提高预测效能，可作为临床评估腋窝淋巴结治疗反应、指导乳腺癌患者腋窝手术策略的可靠影像学工具。  
    关键词：乳腺癌;磁共振成像;激素受体阳性;新辅助治疗;腋窝淋巴结;淋巴结报告和数据系统;病理学完全缓解;预测模型   
    1
    |
    0
    |
    0
    <HTML>
    <网络PDF><Meta-XML>
    <引用本文> <批量引用> 170626038 false
    更新时间：2026-09-02

  • 论著

    颜慧敏, 袁瑛, 陶晓峰

    DOI：10.19732/j.cnki.2096-6210.2026.04.004
    摘要：目的构建基于多参数磁共振成像（multiparametric magnetic resonance imaging，mpMRI）影像组学融合模型对口咽鳞状细胞癌（oropharyngeal squamous cell carcinoma，OPSCC）患者隐匿性颈部淋巴结转移（occult cervical lymph node metastasis，OCLNM）进行预测，并检验模型的效能。方法回顾并收集2018年1月—2025年8月上海交通大学医学院附属第九人民医院经术后病理学检查证实颈部淋巴结状态的OPSCC患者，按7∶3随机分组，在术前mpMRI序列［包括T2加权脂肪抑制序列（T2-weighted fat-suppressed sequence，T2WI-FS）、对比增强T1加权成像序列（contrast-enhanced T1-weighted imaging，CE-T1WI）以及弥散加权成像（diffusion-weighted imaging，DWI）］图像中勾画感兴趣区（region of interest，ROI）并提取影像组学特征。采用最小绝对收缩与选择算子（the least absolute shrinkage and selection operator，LASSO）回归分析具有OCLNM预测价值的特征。基于筛选特征构建OCLNM预测模型，通过曲线下面积（area under the curve，AUC）、决策曲线分析（decision curve analysis，DCA）评估模型效能与临床适用性。结果共收集151例OPSCC患者，训练集105例，验证集46例。性别为男性、肿瘤原发于扁桃体是OPSCC患者发生颈部淋巴结转移的独立危险因素（P<0.05）。融合3种序列特征的多参数模型具有最优性能，在训练集中，融合模型的AUC为0.860（95% CI 0.788~0.931），为各模型中最高；在验证集中，融合模型的AUC为0.808（95% CI 0.661~0.955）。结论基于多参数MRI影像组学融合模型可以有效地预测OPSCC患者术前OCLNM的可能。  
    关键词：口咽鳞状细胞癌;颈部淋巴结转移;影像组学;多参数;磁共振成像   
    1
    |
    0
    |
    0
    <HTML>
    <网络PDF><Meta-XML>
    <引用本文> <批量引用> 170626119 false
    更新时间：2026-09-02
查看更多
0