为了进一步推动人工智能技术在核医学科研和临床应用领域的快速发展，在中华医学会核医学分会大数据和AI工作委员会的协助下，中国医学装备协会核医学装备与技术专业委员会于2023年10月14日到15日在上海长海医院“核医学AI先锋实战特训营(高级班)”第三期。有来自上海、北京、福州、沈阳、郑州、济南、银川、和哈尔滨的16位学员参加此次实战营。

有诗赞道：

月下约亭台，沪上故人来。秋枫晚叶丹，遍洒新花白。

中国医学装备协会核医学装备与技术专业委员秘书长景红丽教授主持开班仪式，对本次实战营的筹备和课程安排进行了详细介绍，对四位授课老师的精心准备表示了衷心感谢。中国医学装备协会核医学装备与技术专业主委李方教授、中华医学会核医学分会主委汪静教授分别致辞，长海医院副院长杨鹏飞教授莅临现场，详细介绍了长海医院核医学科的发展历程，并对AI在核医学中的应用给予了充分肯定。

首先，赵周社博士带领学员一起熟悉用于操作的科研平台，对研究操作图像和数据质量进行详细评估，参会老师一致认为图像和数据质量是获得真实结果的前提和保证。然后赵博士带领进行实际操作“图像标注方法、特征提取”的流程和步骤。赵博士演示病灶勾画中感兴趣外扩、内缩和直方图显示等功能和可视化提取影像组学特征方法。在实战操作过程使得学员掌握图像标注和特征提取的方法、规范。

其次，张陈老师介绍“医学图像标注、特征提取的方法和注意事项”，他介绍病灶勾画手动、半自动和自动勾画方法，影像组学一阶、二阶和高阶特征计算方法和生物学意义，并介绍特征提取过程参数选择和特征筛选方法的注意事项。张陈老师特别强调需要按照规范化流程提取特征，在特征筛选中需要关注特征提取的方法，特别是提取出特征的临床意义。

然后，曹振博士介绍”医学影像组学建模的原理、方法和注意事项”。机器学习模型大多既可以做分类也可以做预测，如SVM(向量机)、KNN(邻近算法)、DT(树模型算法)、RF(随机森林)、GBDT和XGBOOST等，实际操作中SVM和RF两个模型表现都很稳定，并介绍近年来模型融合领域最为热门的堆叠法Stacking方法。其中，曹博士对logistic建模的方法，参数选择和获得结果分析进行详细的介绍。这一期还专门增加了采用深度学习方法对影像组学提取的特征进行建模，采用结构化数据进行深度学习建模的方法引起大家的兴趣。接着赵博士带领大家一起演练深度学习在疾病分类、图像分割中应用实例。

最后，廖晖博士介绍”深度学习在核医学分子影像应用进展”。她详细介绍深度学习概念、专业术语、常用的网络和模型评价方法，用动画演示帮助理解模型训练的过程，并以深度学习在PET图像降低剂量和提高扫描为例，加深对此理解。她用动画显示深度学习建模前、建模过程和建模后超参数选择，给大家留下非常深刻的印象。随后大家对深度学习方法在疾病分类、图像分割中的应用进行实际操练。在实战和理论介绍环节，学员们积极参与互动，提高课堂的学习的氛围。

特训营最后，中华医学会核医学分会常委、大数据与AI工作委员会左长京教授充分肯定了本次授课内容与实战典例，并对授课效果寄予厚望，希望所有学员能学以致用，让AI技术服务日常临床与科研。

注释：

1.亭台：指凉亭、台榭等建筑物，在此引申为在中华医学会核医学分会大数据和AI工作委员会的协助下，中国医学装备协会核医学装备与技术专业委员会于2023年10月14日到15日举办的核医学AI先锋实战特训营(高级班)。

2.沪上：特指本次特训营的举办地上海长海医院。

3.枫叶丹：形容核医学AI先锋实战特训营举办红火。

4.新花白：形容各位学员认真学习，学有所成。

文字/李从心

照片/竺志丽

美编/刘宇

审校/景红丽

监制/李方