传统参数建模的超越：动态 PET 成像中时间活性曲线的数据驱动估计与预测框架

研究中介绍了一种基于神经网络的数据驱动框架，通过适应性地拟合动态正电子发射断层图像中的时间 — 活动曲线，从观察数据中直接校准了扩散系数和反应项，特别是在复杂生物场景中，相较传统方法显著提高了预测精度和鲁棒性，并更准确地对放射性药物的时空动态进行建模，从而推进了药代动力学和药效学过程的定量核医学建模。