新澳门彩4949最新开奖记录,PET／CT呼吸运动终极解决方案，西京再验证！

梦中的海洋2024-10-06香港5

编者按

随着PET/CT系统硬件性能上的提升和图像重建算法的发展，PET/CT在临床和研究中的应用越来越广泛。然而，胸腹部的PET/CT成像仍然受到呼吸运动(RM)的显著影响，导致重建后的图像出现呼吸运动伪影，其包含三种主要成因：运动导致的分辨率丢失、PET/CT不匹配导致的衰减校正(AC)伪影以及PET/CT图像融合错位。在呼吸运动伪影校正算法的研究方面，联影医疗分子影像事业部团队携手第四军医大学西京医院核医学科，利用联影uMI Panorama PET/CT医学成像平台开展临床科研合作。

研究团队提出了一种用于呼吸运动校正的数据驱动解决方案(uRMC)，产品名为uExcel OncoFocus。在AI的赋能下，uRMC旨在解决PET/CT中呼吸运动引起的挑战，特别是减轻PET图像的运动模糊，防止PET/CT错位引起的衰减校正伪影，并在最终图像中实现PET/CT对齐，且其无需任何额外的外部设备进行运动信号追踪。此外，基于本次研究的结果，研究团队首次对体腔内多个器官/组织的运动幅度进行了准确量化并给出主要器官的运动幅度大小。研究成果《Deep learning-aided respiratory motion compensation in PET/CT: addressing motion induced resolution loss, attenuation correction artifacts and PET/CT misalignment》（DOI：10.1007/s00259-024-06872-x）于2024年8月发表在医学影像领域权威杂志《European Journal of Nuclear Medine and Molecular Imaging》，汪静教授和卢一奂博士为共同通讯作者，康飞教授为共同第一作者。新澳天天开奖资料大全

01 背景

呼吸运动会导致PET图像分辨率丢失，PET/CT错配引起的PET衰减校正伪影以及PET/CT图像融合错位。呼吸伪影会导致临床诊断效率下降，增加医师的诊断难度。

图像模糊

衰减校正伪影

PET-CT图像融合错配

既往临床上常见的避免呼吸运动伪影的方式有俯卧位扫描、屏气扫描、4D-CT、无衰减校正重建、基于设备和数据驱动的呼吸门控重建等。然而这些方法并不能完全覆盖呼吸运动伪影的三种主要成因，无法根本解决PET/CT呼吸运动伪影问题。

近年来，随着深度学习方法在PET成像和重建上的广泛使用，基于深度学习的运动伪影校正算法也取得了重大进展，一些基于深度学习的方法已经被用来提供更准确的呼吸运动信息计算和PET衰减校正。然而将这些方法整合到常规临床工作流程中仍然具有挑战性，且通常会导致医师操作和重建时间的增加。此外，这些技术并不能完全克服PET/CT的错配，从而限制了它们的临床应用。

为了从根本上解决呼吸运动伪影问题，联影的研究团队提出了一种基于深度学习的呼吸运动解决方案（uRMC)，能够同时解决运动导致的分辨率丢失、PET/CT不匹配导致的衰减校正伪影和PET/CT图像融合错位三大伪影成因。

02 方法

为应对上述挑战，研究团队创新性地提出了uRMC方法，该方法无需外部呼吸监测设备，完全依赖数据驱动从PET数据中提取呼吸信号并进行运动伪影校正。具体方法如下：

数据驱动的呼吸信号提取：采用深度学习技术分割出受呼吸影响较大的区域，并借助数据驱动的方法，提取出精确的呼吸信息，从而实现呼吸门控的有效划分。
基于深度学习的PET自衰减校正：将PET原始数据重新划分为四个呼吸帧，并使用深度学习网络预测每个呼吸帧下的衰减系数图，用以实现PET自衰减校正，进而消除了PET和CT图像不匹配所导致的衰减校正伪影问题。
PET/CT配准：在深度学习帮助下，将复杂的PET与CT跨模态配准问题转化为深度学习生成的衰减系数图与CT衰减系数图之间的配准，从而实现PET图像与CT图像的精准融合。

借助深度学习神经网络，uRMC巧妙融合了三个模块，专为应对PET/CT中由呼吸运动引发的挑战而设计。它旨在减轻PET图像中的运动模糊，防止因PET/CT失配而产生的衰减校正伪影，并在最后实现PET与CT的高精度配准。作为行业内首次提出的全面解决所有由呼吸运动导致的图像伪影的方案，uRMC有望为PET/CT成像带来显著改进。

03 研究结果

为了验证uRMC技术的临床有效性，团队对99例患者进行回顾性分析，对比了经呼吸运动校正后的图像（uRMC）与未经呼吸运动校正的图像（NMC）之间的差异。下面我们从多个维度展示uRMC技术在临床应用方面所展现出的潜在优势。

uRMC提高了病灶检测能力：下图通过展示两个临床案例，凸显了uRMC技术的卓越诊断能力。其中一个案例涉及肝细胞癌术后再分期，另一个则是对有膝盖骨肉瘤病史的患者进行再分期。

上图两个例子中，案例A涉及一位原发性肝细胞癌患者，该患者在接受手术切除后进行重新分期。在uRMC技术的辅助下，图像清晰地揭示了在切除边缘处发现的¹⁸F-FDG阳性肝病灶。相比之下，NMC图像未能显示出这一病变，给出了阴性结果。案例B涉及一位具有左膝骨肉瘤病史的患者，在进行重新分期时，CT扫描是在深吸气状态下进行的，而PET扫描则是在自由呼吸状态下完成的，两者之间存在不匹配。这种不匹配导致NMC图像中肝顶部出现了“香蕉伪影”的衰减伪影，对诊断造成了一定的干扰。然而，在应用uRMC技术后，我们成功地发现了一个环形的¹⁸F-FDG高摄取病灶，这表明患者存在一个伴有坏死的转移病灶。

SUV值提升：本研究统计了906个病变的SUV值，发现与NMC图像相比，uRMC技术处理后病变的SUV最大值和平均值分别显著提高了10%和17%，表明uRMC技术能更有效地揭示病灶代谢活性，为临床诊断和治疗提供更准确信息。
病灶定量更准确：对比NMC与uRMC图像，结果显示uRMC技术能够呈现更清晰的病灶轮廓、更小的代谢体积、更高的SUV值以及更佳的PET/CT对齐效果。下图以肺结节、门静脉瘤栓以及肺癌肾上腺转移瘤等案例为例，均展示了uRMC技术的优势。

相较于NMC图像，uRMC图像在病灶轮廓清晰度、代谢体积减小、SUV值提升以及PET-CT对齐效果方面均表现出优势。（A）一例宫颈小细胞神经内分泌癌伴广泛转移患者的多个下肺结节，在uRMC图像中边缘更清晰。（B）NMC图像中一个下肺结节呈现双重轮廓，而uRMC图像则显示为单一结节轮廓。（C）一例肝细胞癌患者，经运动校正后，¹⁸F-FDG高摄取的肿瘤血栓在PET中清晰可见，并与CT中的门静脉高度对齐。（D）一例肺癌患者，经uRMC处理后，¹⁸F-FDG高摄取的肾上腺转移灶在PET/CT中定位准确，而NMC图像则因呼吸运动导致肾上腺轮廓模糊。

uRMC图像中的生理及良性区域（例如支气管血管树、胃壁褶皱等）边缘描绘得更为清晰，并且CT与PET的配准也更加精确：

（A）相较于模糊的NMC图像，uRMC图像中的支气管树、胃壁褶皱以及肝脾边缘的描绘都更为清晰；（B）uRMC图像还能够清晰地揭示出肝囊肿、膈肌、胃黏膜以及下食管括约肌的摄取情况；（C）在uRMC图像中，胃壁褶皱和降结肠的肠内壁也得到了清晰的展示；（D）与NMC图像相比，uRMC图像中的肠系膜淋巴结能够更清晰地显示出来，并且与CT的对齐也更加精准。

有效解决了PET与CT图像错位问题，实现了精准融合：下图展示了心脏PET和PET/CT融合图像，我们可以看到uRMC能够消除由呼吸运动引起的模糊效应，从而实现对心室壁和室间隔¹⁸F-FDG积聚的清晰界定和更准确的配准。

这是三个病例的心脏PET和PET/CT融合图像，我们对NMC和uRMC图像进行了对比。uRMC技术通过有效消除由呼吸运动引起的图像模糊，使得心室壁和室间隔的¹⁸F-FDG积聚得以清晰展现，并且实现了PET与CT图像的精确对齐。

组织运动幅度的量化：本研究还对不同组织的运动幅度进行了量化分析，结果显示，不同组织之间的运动幅度存在显著差异。这一重要发现不仅有助于我们更深入地理解呼吸运动对PET/CT成像的影响，还为制定针对性的校正策略提供了有力依据。

可以看到胸腔和腹腔内的主要器官，如肝脏、心脏、肺等，由于其随呼吸运动而显著移动，其运动幅度较大，通常在10-20毫米之间。而位于体腔边缘的组织，如肋骨、腹壁等，其运动幅度则相对较小。

经过一系列深入探究，我们发现uRMC技术展现出显著优势：它能够揭示出NMC技术未能检测到的病灶，锐化病灶轮廓，提高SUV值，并改善PET/CT的对齐方式，从而显著增强了诊断能力。这一突破性发现有望为临床诊断和治疗提供更加精准的影像支持，助力医生做出更准确的判断和治疗方案。

04 结论澳门三肖三码精准100%公司认证

一个用于PET/CT的数据驱动的呼吸运动解决方案——uRMC已被开发、验证和评估。这是行业内唯一解决所有呼吸运动带来的图像伪影的解决方案，可以有效解决PET内的运动模糊，PET/CT错位引起的衰减不匹配伪影以及PET与CT之间的错位。

Y. Lu, F. Kang, D. Zhang, Y. Li, H. Liu, C. Sun, H. Zeng, L. Shi, Y. Zhao, J. Wang. Deep learning-aided respiratory motion compensation in PET/CT: addressing motion induced resolution loss, attenuation correction artifacts and PET-CT misalignment. European Journal of Nuclear Medine and Molecular Imaging. 2024:1-12.https://doi.org/10.1007/s00259-024-06872-x

Y. Lu, K. Fontaine, T. Mulnix, J.A. Onofrey, S. Ren, V管家婆必出一肖一码一中一特. Panin, et al. Respiratory motion compensation for PET/CT with motion information derived from matched attenuation-corrected gated PET data. J Nucl Med. 2018;59:1480–6.https://doi.org/10.2967/jnumed.117.203000.