文獻評讀: Leveraging machine learning with dynamic 18F FDG PET CT integrating metabolic and flow features for lung cancer differential diagnosis

Objectives 本研究提出一個可解釋的機器學習 (ML) 模型，利用從動態 18F-fluorodeoxyglucose (18F-FDG) 正子斷層掃描/電腦斷層掃描 (PET/CT) 提取的動態特徵，來區分良性與惡性肺部病灶。核心貢獻在於證明結合來自經動力學模型分解的時間活動曲線 (TACs) — 代表代謝與血流成分 — 所衍生的特徵，其診斷效能顯著優於傳統指標，如最大標準攝取值 (SUVmax) 或 FDG 淨流入率 (Ki)。 Methodology 研究方法包括： 獲取 60 ...