Page 125 - 南京医科大学自然版

第45卷第11期 丁 威，唐立钧，田 锋. 基于Swin Transformer的低活度PET影像质量恢复方法研究［J］.
2025年11月 南京医科大学学报（自然科学版），2025，45（11）：1649-1655 ·1655 ·

18
F⁃FDG PET/CT application in inflammation and infec⁃ YUAN L，ZHAO M，JIN H X，et al. Significance of low⁃
tion：a guide for image acquisition and interpretation［J］. dose fluorodeoxyglucose PET/CT for screening of malig⁃
Clin Transl Imaging，2021，9（4）：299-339 nant tumors［J］. Chinese Remedies & Clinics，2013，13
［6］ 张逸悦，李孝媛，高 擎，等. F⁃FDG⁃PET/MR 探究早 （8）：980-982
18
期帕金森病脑代谢网络和功能网络改变特征［J］. 南 ［13］MATSUBARA K，IBARAKI M，NEMOTO M，et al. A re⁃
京医科大学学报（自然科学版），2025，45（8）：1132- view on AI in PET imaging［J］. Ann Nucl Med，2022，36
1139 （2）：133-143
18
ZHANG Y Y，LI X Y，GAO Q，et al. F⁃FDG ⁃PET/MR ［14］ZHOU L，SCHAEFFERKOETTER J，THAM I，et al. Su⁃
unveils altered features of brain metabolic and functional pervised learning with cyclegan for low ⁃ dose FDG PET
networks in early Parkinson’s disease［J］. Journal of Nan⁃ image denoising［J］. Med Image Anal，2020，65：1-9
jing Medical University（Natural Sciences），2025，45（8）： ［15］KAPLAN S，ZHU Y M. Full⁃dose PET image estimation

1132-1139 from low ⁃ dose PET image using deep learning：a pilot
［7］ 孙 寒，丁重阳，丁 威，等. 基线 F⁃FDGPET/CT 代谢 study［J］. J Digit Imaging，2019，32（5）：773-778
18
参数在 ENKTL 中的预后价值［J］. 南京医科大学学报 ［16］CONZE P，ANDRADE G，SINGH V，et al. Current and
（自然科学版），2023，43（2）：249-256 emerging trends in medical image segmentation with deep
SUN H，DING C Y，DING W，et al. The prognostic role of learning［J］. IEEE Trans Radiat Plasma Med Sci，2023，7
18F ⁃ FDG PET/CT baseline metabolic parameters in ex⁃ （6）：545-569
tranodal natural killer/T ⁃ cell lymphoma［J］. Journal of ［17］LI J，CHEN J，TANG Y，et al. Transforming medical imag⁃
Nanjing Medical University（Natural Sciences），2023，43 ing with transformers? A comparative review of key prop⁃
（2）：249-256 erties，current progresses，and future perspectives［J］.
［8］ HOSONO M，TAKENAKA M，MONZEN H，et al. Cumu⁃ Med Image Anal，2023，85：1-38
lative radiation doses from recurrent PET ⁃ CT examina⁃ ［18］RAPISARDA E，BETTINARDI V，THIELEMANS K，et
tions［J］. Br J Radiol，2021，94（1126）：1-5 al. Image⁃based point spread function implementation in
［9］ TSUNEKI M. Deep learning models in medical image anal⁃ a fully 3D OSEM reconstruction algorithm for PET［J］.
ysis［J］. J Oral Biosci，2022，64（3）：312-320 Phys Med Biol，2010，55（14）：4131-4151
［10］SUGANYADEYI S，SEETHALAKSHMI V，BALASMY K. ［19］XING Y，QIAO W，WANG T，et al. Deep learning⁃assisted
A review on deep learning in medical image analysis［J］. PET imaging achieves fast scan/low⁃dose examination［J］.
Int J Multimed Inf Retr，2022，11（1）：19-38 EJNMMI Phys，2022，9（1）：7-23
［11］郭嘉杰，张志浩，项 磊，等. 基于人工智能的PET图像 ［20］AKAMATSU G，TSUTSUI Y，DAISAKI H，et al. A review
增强方法的研究进展［J］. 中国医疗器械信息，2023，29 of harmonization strategies for quantitative PET［J］. Ann
（13）：25-34 Nucl Med，2023，37（2）：71-88
GUO J J，ZHANG Z H，XIANG L，et al. Research prog⁃ ［21］TIAN F，LIU H，GU Y Y，et al. Personalized three⁃dimen⁃
ress of PET image enhancement methods based on artifi⁃ sional dose calculation method based on multi⁃modal im⁃
cial intelligence［J］. China Medical Device Information， ages in dosimetry assessment of prostate cancer with skull
2023，29（13）：25-34 metastasis：a Monte Carlo simulation study［J］. EJNMMI
［12］原 凌，赵 铭，靳宏星，等. 低剂量F⁃氟代脱氧葡萄糖 Phys，2025，12（1）：59-71
PET/CT 在体检中发现恶性肿瘤的意义［J］. 中国药物 ［收稿日期］ 2025-07-28
与临床，2013，13（8）：980-962 （本文编辑：唐 震）