近日，中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院·勞特伯生物醫(yī)學(xué)成像研究中心胡戰(zhàn)利研究員團(tuán)隊(duì)與相關(guān)合作醫(yī)院聯(lián)合攻關(guān)，在動(dòng)態(tài)PET定量成像領(lǐng)域先后取得多項(xiàng)研究進(jìn)展，團(tuán)隊(duì)圍繞提高動(dòng)態(tài)PET臨床時(shí)空分辨率、縮短掃描時(shí)間開展一系列相關(guān)研究，實(shí)現(xiàn)了“從算法模型創(chuàng)新——到實(shí)際臨床驗(yàn)證”的科研思路。相關(guān)工作前期發(fā)表在技術(shù)類權(quán)威期刊IEEE Transactions on Biomedical Engineering（IF=4.7）和Medical Physics（IF=4.5）上，然后在合作醫(yī)院裝機(jī)的上海聯(lián)影2米PET/CT和一體化PET/MR設(shè)備上分別進(jìn)行臨床病人驗(yàn)證，相關(guān)工作發(fā)表在核醫(yī)學(xué)臨床頂刊European Journal of Nuclear Medicine and Molecular Imaging（IF=10.057）和European Radiology（IF=7.034）上。
與傳統(tǒng)靜態(tài)PET成像技術(shù)相比，動(dòng)態(tài)PET成像技術(shù)具備潛在的和更多的臨床應(yīng)用價(jià)值。動(dòng)態(tài)PET可以提供隨時(shí)間變化的示蹤劑濃度分布信息，通過后期基于藥代動(dòng)力學(xué)模型的動(dòng)態(tài)分析，能夠幫助臨床醫(yī)生得到多種反映不同組織器官代謝和特異性受體結(jié)合特性的動(dòng)態(tài)參數(shù)，從而實(shí)現(xiàn)疾病的精準(zhǔn)定量診斷。例如，現(xiàn)有臨床靜態(tài)PET成像采用標(biāo)準(zhǔn)化攝取值（SUV）這一“半定量”指標(biāo)來量化藥物攝取。然而，SUV的量化精度往往會(huì)受到采集過程中測(cè)量時(shí)間和血漿示蹤劑濃度變化等因素的影響。動(dòng)態(tài)PET成像的凈流入率 Ki是量化葡萄糖代謝更為準(zhǔn)確的“全定量”指標(biāo)，可以精準(zhǔn)反映示蹤劑被人體組織代謝的速率。與 SUV相比，Ki在癌癥檢測(cè)的相似靈敏度下能表現(xiàn)出更好的特異性。
然而，動(dòng)態(tài)PET成像面臨兩個(gè)技術(shù)挑戰(zhàn)：掃描時(shí)間過長(zhǎng)和更高的動(dòng)態(tài)時(shí)間分辨要求。長(zhǎng)時(shí)間的動(dòng)態(tài)掃描會(huì)顯著降低患者的舒適度、增加運(yùn)動(dòng)偽影和醫(yī)院的檢查成本；立足動(dòng)態(tài)藥代動(dòng)力學(xué)研究，臨床也期望提高現(xiàn)有動(dòng)態(tài)PET成像的時(shí)間分辨能力。
一方面，為了將現(xiàn)有動(dòng)態(tài)PET掃描時(shí)間縮短一半，提高病人診斷的舒適性并降低潛在的運(yùn)動(dòng)偽影。團(tuán)隊(duì)提出了一種基于體素級(jí)時(shí)間-活度曲線迭代修正的動(dòng)態(tài)PET參數(shù)成像技術(shù)，包括Patlak模型數(shù)據(jù)計(jì)算、數(shù)據(jù)修正與Ki擬合三部分。我們研發(fā)的基于三階埃爾米特插值方法的體素級(jí)信號(hào)修正技術(shù)，可以有效剔除Patlak數(shù)據(jù)中的信號(hào)噪聲與誤差，修正后的Patlak數(shù)據(jù)再進(jìn)行Ki參數(shù)擬合，并獲取最終的參數(shù)圖像。提出方法的大致流程如圖1所示。相比傳統(tǒng)Patlak數(shù)據(jù)處理的30分鐘Ki成像結(jié)果，提出方法在Ki圖像空間噪聲、結(jié)構(gòu)清晰度和病灶對(duì)比度等方面均取得了更好的結(jié)果。同時(shí)，基于Bland-Altman Plot和皮爾遜相關(guān)系數(shù)分析的定量評(píng)估結(jié)果也表明，提出方法能夠獲得和標(biāo)準(zhǔn)60分鐘掃描相近的Ki數(shù)值定量結(jié)果，具備較高的Ki數(shù)值計(jì)算準(zhǔn)確度。相關(guān)研究工作以“Accurate total-body Ki parametric imaging with shortened dynamic 18F-FDG PET scan durations via effective data processing”為題發(fā)表于技術(shù)類權(quán)威雜志Medical Physics（DOI: 10.1002/mp.15893），博士生陳子翔為論文第一作者。
進(jìn)一步，為了更大的降低動(dòng)態(tài)PET掃描時(shí)間并提高病人舒適度，團(tuán)隊(duì)與臨床醫(yī)院合作開展了動(dòng)態(tài)PET參數(shù)圖像生成的前瞻性臨床研究，基于靜態(tài)PET的SUV圖像通過網(wǎng)絡(luò)學(xué)習(xí)來合成得到動(dòng)態(tài)PET的Ki圖像。采用深度學(xué)習(xí)完成動(dòng)態(tài)PET參數(shù)圖像的直接生成，避免了血液輸入函數(shù)的計(jì)算過程。深度學(xué)習(xí)技術(shù)具有良好的特征提取和非線性擬合能力，可以用來構(gòu)造不同數(shù)據(jù)分布模型之間的映射關(guān)系。實(shí)驗(yàn)采集了200例病人數(shù)據(jù)，定量評(píng)估指標(biāo)包括峰值信噪比、結(jié)構(gòu)相似性指數(shù)測(cè)量和歸一化均方誤差，同時(shí)也采用臨床醫(yī)生的主觀評(píng)分作為評(píng)判并采用10折的交叉驗(yàn)證來評(píng)估動(dòng)態(tài)PET參數(shù)圖像的生成結(jié)果。實(shí)驗(yàn)結(jié)果揭示了深度學(xué)習(xí)技術(shù)可以有效輸出高質(zhì)量的合成參數(shù)圖像，未來我們將進(jìn)一步驗(yàn)證和提高網(wǎng)絡(luò)學(xué)習(xí)模型的可解釋性（圖2）。相關(guān)研究工作以“Parametric image generation with the uEXPLORER total-body PET/CT system through deep learning”為題發(fā)表于核醫(yī)學(xué)領(lǐng)域頂刊European Journal of Nuclear Medicine and Molecular Imaging（49: 2482-2492, 2022），博士后黃振興為論文第一作者。
另一方面，為了提高動(dòng)態(tài)PET的時(shí)間分辨能力，更好的用于藥代動(dòng)力學(xué)研究。我們通過對(duì)每一個(gè)體素級(jí)的TAC來進(jìn)行精準(zhǔn)修正以及去噪處理，分別交替進(jìn)行曲線去噪與基于原始時(shí)間信號(hào)的保真運(yùn)算操作（圖3）。實(shí)驗(yàn)結(jié)果表明，提出方法相對(duì)于現(xiàn)有方法在視覺上能夠提供更優(yōu)的動(dòng)態(tài)重建圖像，有效解決了成像空間噪聲抑制和細(xì)節(jié)結(jié)構(gòu)恢復(fù)的矛盾。同時(shí)，定量評(píng)價(jià)結(jié)果表明，提出方法在成像準(zhǔn)確性、噪聲抑制和分辨率提升等方面均表現(xiàn)出良好的性能，保證了在較高成像時(shí)間分辨率條件下的高質(zhì)量、高精度動(dòng)態(tài)PET成像。此外，提出算法不涉及數(shù)據(jù)驅(qū)動(dòng)的模型訓(xùn)練，還具有較強(qiáng)的泛化性與穩(wěn)定性。相關(guān)研究工作以“High temporal resolution total-body dynamic PET imaging based on pixel-level time-activity curve correction”為題發(fā)表于技術(shù)類權(quán)威雜志IEEE Transactions on Biomedical Engineering（69: 1558-2531, 2022），博士生陳子翔為論文第一作者。
進(jìn)一步，為了解決特定部位、特定病種和病人的個(gè)性化分析問題，團(tuán)隊(duì)與臨床醫(yī)院合作實(shí)現(xiàn)了半監(jiān)督學(xué)習(xí)的動(dòng)態(tài)PET三維參數(shù)圖像生成的臨床前瞻性研究。實(shí)現(xiàn)了基于3D生成對(duì)抗網(wǎng)絡(luò)的半監(jiān)督學(xué)習(xí)模型，降低了訓(xùn)練數(shù)據(jù)標(biāo)簽的嚴(yán)格配對(duì)要求。我們采用改進(jìn)的循環(huán)生成對(duì)抗網(wǎng)絡(luò)來學(xué)習(xí)靜態(tài)PET與Ki參數(shù)圖像之間的映射關(guān)系，通過增強(qiáng)切片間和切片內(nèi)的注意力來提高圖像質(zhì)量和量化精度。網(wǎng)絡(luò)生成的Ki圖像可以為臨床醫(yī)生提供額外的定量參考，獲得更好的診斷指導(dǎo)，而無需實(shí)際的動(dòng)態(tài)掃描。為了進(jìn)一步定量分析合成的Ki圖像與參考圖像之間的一致性，我們從測(cè)試數(shù)據(jù)中選取了一位患有肺部惡性腫瘤的受試者，描繪并分析了其腫瘤的感興趣區(qū)域（圖4）。提出方法獲得的合成 Ki圖像與真實(shí)Ki圖像之間的95%一致性限制范圍為- 0.061到0.081（平均值為0.01）。而傳統(tǒng)3D U-Net、2D cycleGAN 和2D U-Net算法的合成 Ki圖像均具有較大偏差。相關(guān)研究工作以“Deep learning–based dynamic PET parametric Ki image generation from lung static PET”為題發(fā)表于放射與核醫(yī)學(xué)領(lǐng)域權(quán)威臨床雜志European Radiology（DOI: 10.1007/s00330-022-09237-w），博士生王海燕為論文第一作者。
上述研究工作得到了國(guó)家自然科學(xué)基金—優(yōu)青項(xiàng)目/面上項(xiàng)目、廣東省國(guó)際合作項(xiàng)目、深圳市科創(chuàng)委—杰青項(xiàng)目/孔雀團(tuán)隊(duì)項(xiàng)目等資助。
論文鏈接：
1.https://pubmed.ncbi.nlm.nih.gov/35950784/
2.https://pubmed.ncbi.nlm.nih.gov/35312030/
3. https://pubmed.ncbi.nlm.nih.gov/35594213/
4.https://pubmed.ncbi.nlm.nih.gov/36399164/
圖1：研究團(tuán)隊(duì)提出的基于體素級(jí)時(shí)間-活度曲線迭代修正的動(dòng)態(tài)PET參數(shù)成像技術(shù)
圖2：研究團(tuán)隊(duì)提出的快速動(dòng)態(tài)PET參數(shù)圖像計(jì)算方法實(shí)驗(yàn)結(jié)果
圖3: 研究團(tuán)隊(duì)提出的動(dòng)態(tài)PET高時(shí)間分辨成像技術(shù)
圖4：團(tuán)隊(duì)提出的半監(jiān)督學(xué)習(xí)動(dòng)態(tài)PET三維參數(shù)圖像生成方法實(shí)驗(yàn)結(jié)果
附件下載：