AI正在革新帕金森病（PD）的神经影像学，为早期诊断、准确预后和个性化治疗监测提供了前所未有的机会。本研究文章集旨在展示PD影像学中尖端的AI应用，探讨这些技术如何改变我们对疾病的理解和管理。我们欢迎广泛主题的投稿，包括：
- AI增强的神经影像技术：专注于高级图像采集、重建和分析的文章。这包括用于PET/MRI图像重建的深度学习方法，以检测PD相关的多巴胺能、胆碱能、炎症、线粒体/代谢缺陷变化。特别是探索铁敏感和神经黑色素敏感MRI在黑质质变性中的定性变化的研究尤为感兴趣。
- 早期检测和鉴别诊断：关于机器学习方法在神经影像数据中识别早期PD生物标志物的研究，AI辅助区分前驱期PD、健康对照组和非典型帕金森综合征，以及前驱期PD的预测建模。
- 疾病进展监测：研究AI在追踪PD结构和功能脑变化中的应用。这包括量化随时间推移的多巴胺转运蛋白损失，以及自动评估PD进展中的微结构和网络变化。
- 治疗反应预测：基于影像特征的AI模型预测PD治疗反应的研究，优化深部脑刺激参数的机器学习算法，以及使用神经影像数据的AI引导个性化治疗计划。
- 多模态数据整合：研究将影像与临床、遗传和分子数据结合的AI方法，以及在PD分析中整合结构和功能影像的机器学习模型。
- AI在临床试验和药物开发中的应用：研究AI驱动的PD临床试验影像终点，使用神经影像数据进行患者分层的机器学习。
本集将突出AI如何通过复杂的影像分析提高我们检测、监测和治疗帕金森病的能力。我们鼓励提交展示新型AI应用、验证现有方法或提供对AI在PD影像中挑战和未来方向的关键视角的稿件。通过汇集这些多样化的主题，我们旨在全面概述AI在PD神经影像学中的当前状态和未来潜力。
(全文结束)
