关于本研究专题
背景
过去数十年间，人工智能已成为医学成像领域的核心创新驱动力，正在转变临床图像的获取、分析和解读方式。先进的机器学习、深度学习及计算技术正推动更精准的诊断、更快的临床决策以及日益个性化的治疗方案。同时，数字系统与智能设备的整合开辟了无创、可扩展且经济高效的诊断新途径。尽管已取得显著进展，这些技术在个性化医疗中的应用仍在快速演进，为后续研究与开发提供了重要机遇。
本研究专题的目标是促进生物医学成像、人工智能与数字创新的跨学科融合。通过鼓励聚焦新方法开发与高级应用的研究投稿，旨在构建基于先进计算模型的可靠可持续诊断解决方案，满足个体化患者需求。其核心目标是通过负责任地应用人工智能优化临床结果，提升个性化健康管理效能。
稿件适宜主题包括（但不限于）：
• 先进的自动化生物图像分析方法
• 新型生物医学图像数据库与多模态数据集开发
• 图像、生物信号及临床数据的多模态处理
• 诊断应用中可靠透明的机器学习技术
• 基于人工智能的重建技术，减少或消除造影剂与电离辐射需求
• 增强型光学、荧光及显微成像技术，用于从组织与细胞结构中提取诊断及定量特征
• 增强型影像组学与深度影像组学，包括定量生物标志物提取与整合的自动化流程
• 专为医学成像设计的可解释人工智能（XAI），提升放射科医师与临床医生的模型可解读性
• 用于治疗规划与影像引导手术的人工智能，含术中导航或治疗优化模型
• 面向光声成像、数字全息、量子成像及高光谱成像等新兴成像技术的人工智能应用
关键词：人工智能、医学成像、光学成像、生物医学光学、生物光子学、显微与荧光成像、自动图像分析、多模态数据融合、诊断用机器学习、基于人工智能的图像重建、影像组学、可解释人工智能、影像引导手术
重要说明：所有投稿须符合目标期刊及栏目的范围定义，Frontiers保留在同行评审任何阶段将超出范围的稿件引导至更合适期刊的权利。
专题编辑
- Alfonso Maria Ponsiglione
那不勒斯腓特烈二世大学
意大利那不勒斯
- Francesco Amato
那不勒斯腓特烈二世大学
意大利那不勒斯
- Francesca Angelone
那不勒斯腓特烈二世大学电气工程与信息技术系
意大利那不勒斯
- Andrea Cusano
圣尼奥大学
意大利贝内文托
发表于《数字健康前沿》健康信息学子刊
影响因子：3.8｜引用分数：6.3
【全文结束】
