“医工融合”是新时代科技创新的重要主题，是新质生产力赋能智慧医疗的重要体现。核医学是集疾病检测、诊断和治疗于一体的现代医学分支，具有从分子到细胞层面揭示机体因病变而引发功能性改变的潜力。然而，核医学成像空间分辨率低，影像信息存在显著的患者个体差异，严重制约着影像数据的可靠分析与准确诊断。

聚焦核医学骨显像临床应用，聚力基于深度学习的骨显像图像智能分析，本团队面向骨转移疾病的自动检测和智能诊断，开展了一系列基于SPECT骨显像的图像智能分析创新研究，主要涉及图像分类、目标检测及病灶分割等研究主题。具体包括：

1．SPECT核素骨扫描图像的智能化数据预处理。本团队以SPECT为研究数据，以高质量、智能化的SPECT数据预处理为目标，实现了基于SPECT成像的人体部位切分、畸变骨骼图像矫正及非病变热区切分的方法及系统，如图1，图2及图3所示。

图1. 一种基于SPECT成像的人体部位切分方法

图2. 一种畸变骨骼图像矫正方法

图3. 一种SPECT成像的非病变热区切分方法

2. 面向疾病辅助诊断的低质图像多类分类研究。本团队以SPECT成像的辅助诊断为研究目标，以深度学习建模技术为研究方法，实现了SPECT骨转移二分类及多分类研究。如图4、图5所示。

图4. 面向肺癌骨转移的智能诊断模型构建

图5. 面向SPECT异常病变的智能诊断模型构建

3. 基于核医学成像辅助诊断的检测模型构建。本团队以SPECT成像的病灶检测为研究目标，以目标检测建模技术为研究方法，实现了SPECT骨转移病灶的自动检测研究。如图6所示。

图6. 面向SPECT骨转移病灶的自动检测模型构建

4. 基于核医学成像辅助诊断的分割模型构建。本团队以SPECT成像的病灶分割为研究目标，以图像的自动分割技术为研究方法，实现了SPECT病灶的自动分割研究。如图7所示。

图7.  基于深度监督模型的骨扫描图像肺癌转移病灶分割