本文介绍了一种通过分析磁共振图像中的异常组织，将肿瘤转化为健康组织的方法，并取得了可比较的结果。未来将扩展该方法以修复感兴趣区域。

本文介绍了一种评分生成模型，用于提高PET图像重建的质量，适用于2D和3D PET，并通过使用磁共振图像进行引导重建的扩展。该方法经过实验验证，具有稳健性和显著的PET重建改进潜力。

该研究提出了一个框架，通过综合反事实的结构性磁共振图像并将其转化为灰质密度图来衡量其在感兴趣区域中的体积变化。通过采用轻量级的线性分类器来增强构建的感兴趣区域的有效性，实现了定量诠释，并提供了一个“与阿尔茨海默病相关性指数”，从而直观地理解个体患者和患者组与阿尔茨海默病进展的大脑状态。预测性能与深度学习方法相当。