主持项目

(1) 国家自然科学基金项目，81701692，基于基线CT放射组学的肺亚实性结节生长模式预测及分子病理基础研究，2018/01-2020/12

(2) 北京市自然科学基金项目，以像元灰度差异为基础的影像学特征在早期肺腺癌预后判断中的研究7184238，2018/01-2019/12

(3) 北京协和医学院协和青年科研基金项目, 2017320017，影像组学对肺亚实性结节生长预测的研究，2017/04-2020/03

(4) 中国医学科学院临床与转化医学研究专项, 2022-12M-C&T-076，恶性肿瘤患者伴发肺亚实性结节的影像临床处理策略研究，2022/10-2024/09

(5) 中国癌症基金会北京希望马拉松专项基金, LC2022A22，淋巴结灶组学特征及深度学习模型预测临床1A期肺腺癌隐匿性淋巴结转移的你床应用研究，2022/10-2025/09

参与项目

(1) 国家重点研发计划，2017YFC1308700, 肺癌筛查和干预技术及方案研究, 2017/07-2020/12，课题骨干

(2) 国家自然科学基金项目，81601494，定量影像学作为生物标记物在早期肺腺癌中的应用研究, 2016／09-2019/12，课题骨干

(3) 北京协和医学院协和青年科研基金项目, 3332016030，CT定量分析对早期肺腺癌术前分型的应用研究， 2016/04-2018/03，课题骨干

(4) 北京市科技计划， D141100000214006，早期肺癌筛查和影像学诊断研究，2014/01-2017/09，课题骨干

(5) 北京协和医学院协和青年科研基金滚动支持项目，CT定量分析对早期肺腺癌术前分型的应用研究，2018/04-2018/12，课题骨干

(6)  院所科研课题，LC2013B26，肺多发磨玻璃结节HRCT表现与病理学对照研究，2013-10～2016-09，一般参与

第一作者论文

1. 张丽，胡道予，饶晶晶，夏黎明，朱文珍，王承缘，正常人肝脏单体素1.5T 1H-MRS的研究，放射学实践，2007,22(4):391-394.

2. 张丽,胡道予,胡学梅等.MRS和MR-DTI对肝硬化诊断、分级效果的比较[J].中国医学影像术, 2009,25(3):459-461.

3. 张丽,胡道予,夏黎明等.MR-DTI在肝硬化早期诊断中的应用价值[J].实用放射学杂志, 2009,25(12):1748-1752.

4. 张丽,吴宁.基于肺腺癌国际新分类的影像新观点与研究进展[J].癌症进展, 2014,12(2):126-133.

5. 张丽,孙巍,吴宁,李蒙,陶秀丽,林冬梅.囊腔样肺腺癌的影像学特征与组织病理学特征的对照研究[J].中华肿瘤杂志, 2014,(5):355-361.

6. 张丽,李蒙,吴宁,孙巍,吕律,林冬梅.临床Ⅰ期浸润肺腺癌不同组织学亚型的三维CT值定量分析[J].中华放射学杂志,2015,49(4):268-272.

7. Li Zhang, Meng Li, Ning Wu, YuhengChen. Time trends in epidemiologic characteristics and imaging features of lungadenocarcinoma: a population study of 21,113 cases in China. PLoS One. 2015 Aug28; 10 (8): e0136727.

8. Zhang L, Zhao XM,Ouyang H, Wang S, Zhou CW. Diagnostic value of 3.0T 1H MRS withcholine-containing compounds ratio (ΔCCC)in primary malignant hepatic tumors. Cancer Imaging (2016) 16:25

9. 张丽,吴宁,李蒙,应建明,孙巍,吕律,林冬梅.早期肺腺癌EGFR基因突变的相关因素研究[J].癌症进展,2016,14(5):432-437.

(10. Li Zhang, Ning Wu, Meng Li, Jianming Ying, Han Ouyang,Chenghuan Yang, Lv Lv.The diagnostic and follow-up role of radiologicalexamination in advanced lung adenocarcinoma with anaplastic lymphoma kinasegene rearrangement. Int J Clin Exp Med 2017; 10(8): 12782-12789

11. 张丽，吴宁，李蒙，孙巍，周丽娜，徐飞，郑荣寿，林冬梅. 三维ＣＴ 值定量分析在Ⅰ期肺腺癌预后判断中的应用[J].放射学实践,2017,32(6):593-597.

12.  张丽,吴宁,李蒙,孙巍,吕律,侯东辉,林冬梅.Ⅰ期浸润性肺腺癌磨玻璃成分定量分析与附壁样生长的相关性研究，中华肿瘤杂志, 2017, 39(4):269-273.

13.  Li Zhang, Rowena Yip, ArtitJirapatnakul, Meng Li, Qiang Cai, Claudia I. Henschke, David F. Yankelevitz. Lung cancerscreening intervals based on cancer risk. Lung Cancer, Pub Date: 2020-09-23

14.Zhang L, Lv L, Li L, Wang YM, Zhao S, Miao L, Gao YN, Li M, Wu N. RadiomicsSignature to Predict Prognosis in Early-Stage Lung Adenocarcinoma (≤3 cm)Patients with No Lymph Node Metastasis. Diagnostics (Basel). 2022 Aug6;12(8):1907.

15. Zhang L, Wen X, Li JW, Jiang X, Yang XF, Li M.Diagnostic error and bias in the department of radiology: a pictorial essay.Insights Imaging. 2023 Oct 2;14(1):163. doi: 10.1186/s13244-023-01521-7.

16. Li Zhang,Hailin Li, Shaohong Zhao, Xuemin Tao, Meng Li, Shouxin Yang, Lina Zhou, MengwenLiu, Xue Zhang, Di Dong, Jie Tian, Ning Wu, Deep learning model based onprimary tumor to predict lymph node status in clinical stage IA lungadenocarcinoma: a multicenter study, Journal of the National Cancer Center, 2024,ISSN2667-0054, https://doi.org/10.1016/j.jncc.2024.01.005.

通讯作者论文

1. Yang S , Wu N , Zhang L , Li M. Evaluation of the linear interpolation method in correcting the influence of slice thicknesses on radiomic feature values in solid pulmonary nodules: a prospective patient study[J]. Annals of Translational Medicine, 2021, 9(4):279.

2. Liang X, Liu M, Li M, Zhang L. (2022) Clinical and CT Features of SubsolidPulmonary Nodules with Interval Growth: A Systematic Review and Meta-Analysis. Front.Oncol. 12:929174. doi: 10.3389/fonc.2022.929174.

3.Jiang JM, Miao L, Liang X, Liu ZH, Zhang L, Li M. The Value of Deep LearningImage Reconstruction in Improving the Quality of Low-Dose Chest CT Images.Diagnostics (Basel). 2022 Oct 21;12(10):2560.

4. 刘梦雯，张丽. 肺亚实性结节生长的临床影像研究进展. 放射学实践 2023; 38(02): 235-40.

5. MengwenLiu, Lei Miao, Rongshou Zheng, Liang Zhao, Xin Liang, Shiquan Yin, Jingjing Li,Cong Li, Meng Li, Li Zhang. Number of involved nodal stations: a betterlymph node classification for clinical stage IA lung adenocarcinoma. Journal ofthe National Cancer Center. 2023,3(3):197-202. https://doi.org/10.1016/j.jncc.2023.07.001.

6. LiuM, Yang L, Sun X, Liang X, Li C, Feng Q, Li M, Zhang L. Evaluation ofPrognosis in Patients with Lung Adenocarcinoma with Atypical Solid Nodules onThin-Section CT Images. Radiol Cardiothorac Imaging. 2024 Feb;6(1):e220234.doi: 10.1148/ryct.220234. PMID: 38206165.

7.Ma J-W, Jiang X, Wang Y-M, et al.Dual-energy CT-based radiomics in predicting EGFR mutation statusnon-invasively in lung adenocarcinoma. Heliyon.2024;10(2) doi: 10.1016/j. heliyon. 2024.e24372

8. Liu M-W, Zhang X, Wang Y-M, et al. Acomparison of machine learning methods for radiomics modeling in prediction ofoccult lymph node metastasis in clinical stage IA lung adenocarcinoma patients.Journal of Thoracic Disease 2024; 16(3): 1765-76.

9.Wen X, Xue L, Jiang X, Jiang J, Li M, ZhangL. Case report: A 17-year-old male with primary pulmonary osteosarcoma.Front Med (Lausanne). 2024 Mar 21;11:1364937. doi: 10.3389/fmed.2024.1364937.PMID: 38576713; PMCID: PMC10991813.

10.Jiang X, Luo C, Peng X, Zhang J, Yang L, Liu LZ, Cui YF, LiuMW, Miao L, Jiang JM, Ren JL, Yang XT, Li M, Zhang L. Incidence rate ofoccult lymph node metastasis in clinical T1-2N0M0 smallcell lung cancer patients and radiomic prediction based on contrast-enhanced CTimaging: a multicenter study: Original research. Respir Res. 2024 May29;25(1):226. doi: 10.1186/s12931-024-02852-9. PMID: 38811960.

参编（译）书籍

1. 陈雁主译，泌尿生殖影像学，人民卫生出版社，229000，2013.1.1，参译

2. 周纯武主编，肿瘤影像诊断图谱，人民卫生出版社 ，2117000，2011.6.1，参编

3. 金征宇，刘士远主编，新型冠状病毒肺炎放射专业领域防治科普问答，中华医学电子音像出版社，978-7-83005-188-4， 2020.02，参编