近日，山东大学齐鲁医院核医学科李昕教授团队与山东大学机械工程学院宋维业教授团队在信息融合领域顶级期刊information fusion（中科院一区top期刊，if=15.5）发表题为“towards reliable medical unsupervised anomaly detection: a benchmark and dataset for pet/ct with cross-modality knowledge distillation network”的研究成果，针对医学影像中多模态信息难以有效融合的问题，首次构建了面向胸部疾病的pet/ct无监督异常检测数据集，为临床复杂场景下的智能诊断提供了重要支撑。李昕教授、宋维业教授为共同通讯作者，齐鲁医院核医学科曲莉莉、山东大学博士研究生徐睦浩为共同第一作者。
pet/ct成像可同时提供病灶的功能代谢特征与精细解剖定位，是临床胸部肿瘤等疾病诊断的核心技术。针对pet/ct双模态特征异质性强、融合难度高的技术难点，团队将无监督异常检测技术拓展至pet/ct双模态场景，通过全局跨模态一致性建模，有效整合了pet的功能信息与ct的解剖结构信息，在胸部疾病异常检测中实现了91.91%的auroc，显著优于传统单模态方法。本研究所构建的数据集与算法框架为多模态医学影像智能分析提供了重要基准。
李昕教授团队长期深耕多模态分子影像的临床应用与智能诊疗技术研发，聚焦分子影像技术在肿瘤、神经退行性疾病等重大疾病中的精准诊断、疗效评估及机制探索，相关成果发表于information fusion、journal of nuclear medicine、european journal of nuclear medicine and molecular imaging等期刊，形成了从基础技术创新到临床转化的完整研究体系。研究工作得到国家重点研发计划、山东省自然科学基金等国家级/省部级项目资助，依托山东大学齐鲁医院核医学科、山东大学智能机器人与影像系统工程实验室、高效洁净机械制造教育部重点实验室等多学科交叉平台开展，为核医学智能化诊断技术的临床落地提供了技术支撑。