MINT framework

人工智能生成合成PET扫描以改进肺癌组织学分类

研究人员开发了一个新颖的框架，使用3D Pix2Pix生成对抗网络（GAN）从CT数据生成合成PET扫描，用于非小细胞肺癌（NSCLC）组织学分类。这种“虚拟扫描”方法旨在用代谢信息补充解剖CT扫描，解决了传统PET扫描的局限性，如成本和辐射暴露。对714名受试者数据集的实验表明，整合这些合成代谢特征显著提高了分类性能，AUC从0.489提高到0.591，GMean从0.305提高到0.524。