资源类型：
收录情况：
◇ 统计源期刊
文章类型：
机构：
[1]首都医科大学宣武医院放射与核医学科,北京 100053
医技科室
核医学科
首都医科大学宣武医院
[2]磁共振成像脑信息学北京市重点实验室,北京 100053
科技平台
磁共振成像脑信息学北京市重点实验室
首都医科大学宣武医院
出处：
ISSN：
关键词：
正电子发射断层扫描成像
感兴趣区域分割
深度学习
自动化分割
卷积神经网络
生成对抗网络
摘要：
正电子发射断层扫描（Positron Emission Tomography,PET）成像在临床应用中至关重要，其图像的自动化分割对疾病诊疗意义重大。PET图像的自动化分割研究近年来取得了显著进展，特别是在深度学习方法的应用方面。PET图像分割能够准确地分离和标记出感兴趣区域，如肿瘤、器官和其他结构，这对疾病的诊断、治疗规划和研究具有重要意义。本文基于神经网络系统概述了PET图像分割的最新研究成果，并分析了现有局限性与未来的发展趋势，以期助力PET图像分割算法的优化，为医学研究提供新的思路和参考。
基金：
国家重点研发计划（2022YFC2406900）
第一作者：
第一作者机构：
[1]首都医科大学宣武医院放射与核医学科,北京 100053
[2]磁共振成像脑信息学北京市重点实验室,北京 100053
通讯作者：
通讯机构：
[1]首都医科大学宣武医院放射与核医学科,北京 100053
[2]磁共振成像脑信息学北京市重点实验室,北京 100053
推荐引用方式(GB/T 7714)：
李枫琦,卢洁.基于深度学习的pet图像感兴趣区域自动化分割研究进展[J].中国医疗设备.2025,40(06):146-151.
