Schwenck

已发布版本的引文 (APA)：Schwenck, J., Kneilling, M., Riksen, N. P., la Fougere, C., Mulder, D. J., Slart, R. J. H. A., & Aarntzen, E. H. J. G. (2022)。人工智能在感染和炎症分子成像中的作用。欧洲混合成像杂志，6(1)，第 17 篇文章。https://doi.org/10.1186/s41824-022-00138-1

简介 人工智能 (AI) 被认为是精准医疗和转型医疗保健的关键 (Denny and Collins 2021 )。与其他成像学科一致，例如显微镜 (Meijering 等人2016 ) 和病理学 (Colling 等人2019 ; Laak 等人2021 )，从常规临床程序中获得的图像代表了有关特定组织特征的丰富且可挖掘的数据集 (Gillies 等人2016 ; Aerts 等人2014 )。这一认识促使开发基于人工智能的技术来利用这些丰富的数据源 (Parmar 等人2018 ; Hosny 等人2018 )。尽管有关数据共享、数据安全和标准化的实际问题尚未解决 (He 等人2019 ; Currie 和 Hawk 2021 )，但人工智能的不断发展将推动其在医学成像领域的应用 (Currie 和 Rohren 2021 )。当谈到基于人工智能的技术在正电子发射断层扫描 (PET) 和单光子发射断层扫描 (SPECT) 等核成像模式中的应用时，最近的文献中提供了讨论特定模式潜力和局限性的出色评论 (Hatt 等人2021 ; Uribe 等人2019 ; Zukotynski 等人2021 ; Decuyper 等人2021 )。核成像模式的一个关键资产是它们的全身视野，因此能够量化针对涉及多个器官和组织的特定生物过程的示踪剂的分布。此外，核中的动态成像