人工智能（AI）正在革新帕金森病（PD）的神经影像学，提供了前所未有的机会，用于早期诊断、准确预后和个性化治疗监测。本研究文章集旨在展示PD影像学中AI的前沿应用，探讨这些技术如何改变我们对该疾病的理解和管理。我们欢迎涵盖广泛主题的投稿，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相关变化，如多巴胺能、胆碱能、炎症、线粒体/代谢缺陷。特别关注探索铁敏感和黑素敏感MRI在黑质质变性中的定性变化的研究。
- 早期检测和鉴别诊断：关于利用机器学习方法从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：基于AI的PD结构性和功能性脑变化追踪研究。这包括量化多巴胺转运蛋白随时间的分子退化，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PD治疗反应预测模型的研究，优化深部脑刺激参数的机器学习算法，以及利用神经影像数据进行AI指导的个性化治疗计划。
- 多模态数据整合：结合影像学、临床、遗传和分子数据的AI方法研究，以及整合PD分析中的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：利用AI驱动的影像终点进行PD临床试验的研究，利用神经影像数据进行患者分层的机器学习。
本合集将突出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影像学中挑战和未来方向的批判性观点的文章。通过汇集这些多样化的主题，我们旨在提供当前状态和AI在PD神经影像学未来潜力的全面概述。
(全文结束)