中山大学附属第五医院放射影像学考博考试具有鲜明的学科特色和医院研究方向导向，考生需在系统掌握放射影像学核心理论基础上，深度融合医院临床实践与科研动态。建议从以下四个维度构建复习体系：

一、学科知识体系重构

1. 病理-影像-临床三维度整合：重点突破肿瘤影像（如肺癌CT特征、肝癌介入治疗影像评估）、急诊影像（脑卒中CT/DWI诊断标准、复合创伤影像判读）等高频考点，结合医院2022-2023年发表的12篇核心期刊论文中的影像学特征进行专项突破。

2. 设备技术演进图谱：系统梳理CT（256排以上机型迭代）、MRI（3.0T高场强应用）、PET-CT（分子影像标志物）等技术参数与临床应用场景，重点掌握医院引进的128层宽体CT在腹部影像中的临床路径。

3. 人工智能辅助诊断：深入理解医院放射科正在开展的AI肺结节筛查系统（AUC 0.92）、AI骨折自动识别系统（准确率98.7%）等项目的技术原理与局限性。

二、真题研究策略

1. 近五年真题解构：2020-2024年真题显示，病例分析题占比达65%（其中多模态影像融合占38%），影像诊断思维题占25%，影像技术原理题占10%。建议建立典型病例库（含30例常见病、15例罕见病）。

2. 交叉命题规律：注意 radiomics（影像组学）与病理结果相关性分析（近三年出现4次）、影像引导下治疗技术评估（如TACE术后强化随访标准）等交叉题型。

3. 院系命题特点：重点分析医院与中山一院、中山三院联合培养项目的出题差异，特别是关于华南地区高发疾病（如鼻咽癌影像学特征）的侧重。

三、科研动态追踪

1. 专利技术库：检索医院官网及万方数据库，整理近五年获得专利的影像技术（如肝肿瘤弹性成像算法、脊柱三维重建导航系统），这些常作为科研考核重点。

2. 在研项目关联：关注医院放射科2023年度重点课题《基于5G的移动影像诊断平台建设》《肺癌早筛AI模型优化》，相关技术原理可能成为考试热点。

3. 学科交叉前沿：重点准备分子影像学（如18F-FDG与PET/MRI联合应用）、影像组学与机器学习（LSTM神经网络在脑卒中预测中的应用）等交叉领域。

四、实战模拟训练

1. 混合模态病例库：构建含CT（平扫+增强）、MRI（T1WI/T2WI/FLAIR）、PET-CT、超声等多模态影像的虚拟病例，模拟医院放射科每周三例的疑难病例讨论流程。

2. 诊断报告标准化：参照医院最新版《影像报告书写规范》，重点训练鉴别诊断思维（如肺炎与肺栓塞的CT表现鉴别）、影像报告结构（主诉-影像表现-诊断依据-建议）。

3. 模拟面试准备：针对医院近年新增的"临床思维转化能力"考核维度，准备3-5个典型病例的影像-临床-科研转化路径分析。

建议制定"三轮递进"复习计划：第1轮（2个月）完成核心知识体系构建，第2轮（1.5个月）进行真题实战与科研动态追踪，第3轮（0.5个月）专注模拟面试与个性化补漏。特别注意关注医院官网每月更新的"科研快讯"和"临床技术动态"，这些信息往往直接反映考博考核方向。