The Innovation Informatics | 当人工智能遇上物理法则：绘制PET医学成像的未来蓝图

本文探讨了正电子发射断层扫描（PET）成像中，传统重建算法与纯AI算法的局限性，并提出将物理法则与人工智能深度融合的解决方案。背景：PET是重要的分子成像技术，但超低剂量扫描下，传统统计迭代重建（如OSEM）面临噪声与分辨率的矛盾，而纯数据驱动的AI模型易产生“结构性幻觉”，存在临床安全风险。研究目的：旨在通过为深度学习注入物理先验，开发安全、可靠、可临床部署的PET图像重建方法。结论：深度展开网络通过将传统优化算法映射为神经网络层，嵌入系统矩阵和泊松似然函数等物理约束，有效抑制了病灶捏造。物理信息生成模型进一步将物理梯度嵌入生成过程。此外，联邦学习与解耦的两阶段训练策略保障了多中心数据的隐私与模型泛化能力，而FPGA边缘计算则为算法实时部署提供了硬件基础。未来，PET重建的发展需跨学科协作，实现物理与智能的深度融合。