核医学中的机器学习:第二部分——神经网络与临床

第一部分概述了机器学习(ML)在核医学中的应用,第二部分重点介绍神经网络。该文先用一个例子说明神经网络是如何工作的,并讨论其潜在的应用。重点关注ML在图像重建、低剂量PET、疾病检测以及诊断和预后预测的最新进展。目前在核医学中应用的ML算法呈现多样化,迫切需要对算法设计和结果指标解读进行规范,该文给出了一个规范清单以供业界参考和遵循。

中国PET发展历程回顾

PET/CT作为医学影像设备中最为先进的分子影像设备之一, 在临床的早期诊断、病程分期、疗效判断、预后评价及药效研究等方面有着关键性价值, 现已成为临床重要的诊治指导及决策的依据[1]。过去40年, PET在中国的研发与引进、临床应用与普及提升, 历经坎坷、跌宕起伏, 有着许多值得回忆的故事与有待总结的经验。正如西班牙著名文学家塞万提斯所言:"历史孕育了真理, 它与时间抗衡, 保存了人们的实践。它是往昔的见证、当代的教训、未来的借鉴。"