“醫工融合”是新時代科技創新的重要主題，是新質生產力賦能智慧醫療的重要體現。核醫學是集疾病檢測、診斷和治療于一體的現代醫學分支，具有從分子到細胞層面揭示機體因病變而引發功能性改變的潛力。然而，核醫學成像空間分辨率低，影像信息存在顯著的患者個體差異，嚴重制約著影像數據的可靠分析與準確診斷。
聚焦核醫學骨顯像臨床應用，聚力基于深度學習的骨顯像圖像智能分析，本團隊面向骨轉移疾病的自動檢測和智能診斷，開展了一系列基于SPECT骨顯像的圖像智能分析創新研究，主要涉及圖像分類、目標檢測及病灶分割等研究主題。具體包括：
1．SPECT核素骨掃描圖像的智能化數據預處理。本團隊以SPECT為研究數據，以高質量、智能化的SPECT數據預處理為目標，實現了基于SPECT成像的人體部位切分、畸變骨骼圖像矯正及非病變熱區切分的方法及系統，如圖1，圖2及圖3所示。
圖1. 一種基于SPECT成像的人體部位切分方法
圖2. 一種畸變骨骼圖像矯正方法
圖3. 一種SPECT成像的非病變熱區切分方法
2. 面向疾病輔助診斷的低質圖像多類分類研究。本團隊以SPECT成像的輔助診斷為研究目標，以深度學習建模技術為研究方法，實現了SPECT骨轉移二分類及多分類研究。如圖4、圖5所示。
圖4. 面向肺癌骨轉移的智能診斷模型構建
圖5. 面向SPECT異常病變的智能診斷模型構建
3. 基于核醫學成像輔助診斷的檢測模型構建。本團隊以SPECT成像的病灶檢測為研究目標，以目標檢測建模技術為研究方法，實現了SPECT骨轉移病灶的自動檢測研究。如圖6所示。
圖6. 面向SPECT骨轉移病灶的自動檢測模型構建
4. 基于核醫學成像輔助診斷的分割模型構建。本團隊以SPECT成像的病灶分割為研究目標，以圖像的自動分割技術為研究方法，實現了SPECT病灶的自動分割研究。如圖7所示。
圖7. 基于深度監督模型的骨掃描圖像肺癌轉移病灶分割
