核医学作为医学影像学与治疗学交叉的前沿领域，在疾病早期诊断、精准治疗及疗效评估中发挥不可替代作用。复旦大学核医学学科建设始于20世纪80年代，依托上海医学院雄厚的医学资源与上海张江科学城的科研平台，形成了以"分子影像技术、核素靶向治疗、核医学与人工智能融合"为特色的科研体系。考生在备考过程中需重点掌握以下核心内容：

在基础理论部分，建议系统学习《核医学》第五版（王瑞符主编）中关于放射性核素基本特性、核医学检查原理及放射防护等基础理论。复旦大学陈教授团队在《European Journal of Nuclear Medicine and Molecular Imaging》发表的"核医学分子成像技术进展"论文，详细阐述了单光子发射计算机断层显像（SPECT）与正电子发射计算机断层显像（PET）在肿瘤代谢显像中的协同应用机制。考生需深入理解PET/CT、PET/MRI等多模态影像设备的成像原理及临床适应证。

技术进展方面，应关注复旦大学类器官与肿瘤微环境研究中心最新成果。李博士团队在《J Nucl Med》发表的"基于68Ga标记的DOTATATE显像在神经内分泌肿瘤中的应用"研究，揭示了PET/CT在神经内分泌肿瘤分期中的特异性优势。需掌握放射性药物递送系统前沿，如复旦大学核医学部与药学院联合研发的"微泡载药系统"在心肌灌注显像中的临床转化研究。

临床应用层面，建议结合《中国核医学诊疗指南（2022版）》系统梳理各系统核医学检查规范。以复旦大学附属中山医院为例，其开展的"18F-FDG PET/CT在肺癌分期中的应用"被纳入NCCN指南推荐方案。考生需重点掌握常见肿瘤的核医学分期标准，如乳腺癌的SUVmax阈值判定、前列腺癌的PSMA-PET/CT显像特征等。同时需关注放射性治疗领域，如复旦大学附属肿瘤医院王主任团队在《Radiotherapy and Oncology》发表的"125I粒子植入联合靶向治疗的晚期前列腺癌治疗研究"。

交叉学科融合是复旦核医学的重要特色，考生需关注与人工智能、生物信息学的交叉研究。复旦大学类器官中心开发的"Oncosight"影像分析系统，通过深度学习算法实现了PET图像自动分割准确率达92.3%。在备考过程中，建议研读《Nature Reviews Nuclear Medicine》2023年综述"人工智能在核医学中的应用"，重点关注图像识别、剂量预测、疗效评估等关键技术。

实验室资源方面，需重点掌握复旦大学 Cyclotron 示踪中心（上海首个中子活化装置）的科研能力，该中心具备同位素生产、靶向药物标记等全链条研发条件。考生可关注其与生物医学工程学院合作的"基于PET-CT的肿瘤微环境动态监测"项目，该研究被《Science Translational Medicine》评价为"为肿瘤免疫治疗提供新的影像学评价体系"。

备考策略上，建议采用"3+X"复习模式：3本核心参考书为《核医学》第五版、《核医学诊断与治疗学》（张永学主编）、《核医学技术原理与临床应用》（王瑞符主编）；X项拓展内容包括：近3年《中华核医学杂志》重点文章、复旦大学核医学部官网发布的年度研究报告、以及导师课题组在Web of Science收录期刊的顶刊论文。特别需要关注2023年复旦大学核医学学科评估中提出的"核医学与精准医疗融合"新方向，建议重点研读《Lancet Oncology》2023年发表的"核医学在肿瘤免疫治疗监测中的临床价值"相关文献。

最后需强调，复旦大学核医学考博注重科研潜力评估，建议考生在初试后主动联系导师组，提供个人研究设想与文献综述。例如，针对"核医学在阿尔茨海默病早期诊断中的应用"选题，可结合复旦大学类器官中心的人源化阿尔茨海默病类器官模型，设计基于氟代胆碱的PET显像研究方案。同时需关注2024年拟成立的"复旦大学核医学与人工智能研究院"的招生动态，该方向预计招收5-8名直博生，要求考生具备Python编程或MATLAB图像处理基础。