Aller au contenu principal
Accès ouvert déclaré 2025 article

The Evolution of Artificial Intelligence in Nuclear Medicine

23Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : ch, de. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Nuclear medicine has continuously evolved since its beginnings, constantly improving the diagnosis and treatment of various diseases. The integration of artificial intelligence (AI) is one of the latest revolutionizing chapters, promising significant advancements in diagnosis, prognosis, segmentation, image quality enhancement, and theranostics. Early AI applications in nuclear medicine focused on improving diagnostic accuracy, leveraging machine learning algorithms for disease classification and outcome prediction. Advances in deep learning, including convolutional and more recently transformer-based neural networks, have further enabled more precise diagnosis and image segmentation as well as low-dose imaging, and patient-specific dosimetry for personalized treatment. Generative AI, driven by large language models and diffusion techniques, is now allowing the process, interpretation, and generation of complex medical language and images. Despite these achievements, challenges such as data scarcity, heterogeneity, and ethical concerns remain barriers to clinical translation. Addressing these issues through interdisciplinary collaboration will pave the way for a broader adoption of AI in nuclear medicine, potentially enhancing patient care and optimizing diagnosis and therapeutic outcomes.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
The Evolution of Artificial Intelligence in Nuclear Medicine
Date Crossref
01/05/2025
Éditeur
Elsevier BV
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • University Hospital of Bern pays non établi dans la notice
    Établissement de santé
  • University of Bern pays non établi dans la notice
    Université ou école supérieure
  • Ludwig-Maximilians-Universität München pays non établi dans la notice
    Université ou école supérieure
  • Bern University Hospital Department of Nuclear Medicine pays non établi dans la notice
    Université ou école supérieure
  • Ludwig-Maximilians-University of Munich Department of Computer Science pays non établi dans la notice
    Université ou école supérieure

University Hospital of Bern, University of Bern et Ludwig-Maximilians-Universität München, avec 2 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Radiomics and Machine Learning in Medical ImagingMedical Imaging Techniques and ApplicationsAI in cancer detection

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.