EJNMMI | 可解释机器学习新方法,提升肺结节良恶性诊断精度
近日,中国科学院深圳先进技术研究院医工所影像中心、医学成像科学与技术系统全国重点实验室孙涛副研究员团队,联合中国医学科学院肿瘤医院深圳医院、河南省人民医院,围绕动态 [¹⁸F]FDG PET/CT 成像,提出了一种融合血流与代谢动态特征的可解释机器学习方法,显著提高了对肺部结节良恶性的分类准确性。相关成果以题为 “Leveraging machine learning with dynamic 18F-FDG PET/CT: integrating metabolic and flow features for lung cancer differential diagnosis” 发表在医学影像与核医学领域权威期刊《European Journal of Nuclear Medicine and Molecular Imaging》
2025-05-07