AI赋能PET/CT影像诊断，山东大学齐鲁医院成果登国际顶刊

山东大学齐鲁医院核医学科李昕教授团队联合机械工程学院宋维业团队，在PET/CT人工智能辅助诊断领域取得突破性成果，论文发表于信息融合领域顶级期刊《Information Fusion》（影响因子IF=15.5，中科院一区TOP）。该研究为PET/CT智能化诊断提供了新范式，标志着国产AI医学影像技术达到国际领先水平。

跨模态知识蒸馏：破解PET与CT融合难题

PET功能影像与CT解剖影像属于异质数据，二者在空间分辨率、信息表征方式和临床意义方面存在显著差异，传统融合方法难以充分挖掘两种模态的互补信息。研究团队首创跨模态知识蒸馏网络，核心思路是将CT模态中丰富的解剖结构知识"蒸馏"迁移到PET模态的分析过程中，使AI模型能在PET功能信息基础上自动利用CT解剖先验，实现更深层次的多模态融合。该方法不仅解决了PET与CT异质性强、难以深度融合的难题，还显著降低了对大规模标注数据的依赖，契合基层医院推广需求。

临床验证：病灶检出准确率达91.91%

研究团队建成了全球首个胸部疾病PET/CT无监督异常检测标准数据集，填补了该领域长期缺乏统一评估基准的空白。临床验证显示，该模型在胸部病灶检出中准确率达到91.91%，远超传统单模态诊断方法。无监督学习范式的引入意味着AI系统无需依赖大量人工标注的病例数据即可学习正常与异常的区分，大幅降低了模型部署的数据门槛。这一特性对于基层医院和影像资源相对匮乏的地区尤为重要，使AI辅助诊断能够更广泛地落地应用。

总结

齐鲁医院团队的成果展示了跨模态AI在PET/CT诊断中的巨大潜力。无监督学习与知识蒸馏的结合，既降低了对标注数据的依赖，又实现了PET功能信息与CT解剖信息的深度融合。未来，随着多中心外部验证的推进和临床数据的不断积累，AI辅助PET/CT诊断有望成为肿瘤筛查和精准分期的常规工具。