Page 120 - 南京医科大学自然版
P. 120

第45卷第11期
               ·1650 ·                           南 京    医 科 大 学 学         报                        2025年11月


                  近年来，我国癌症发病率与死亡率均呈逐年上                          的图像后处理方法（如滤波、插值等）又难以有效恢
              升趋势，早期诊断是提高患者生存率的关键，但由于                           复丢失的细节信息，而深度学习技术则为低 F⁃FDG
                                                                                                        18
              早期肿瘤病灶并未出现传统影像检查可见的结构性                            活度 PET 影像的质量恢复提供了新的解决方案。
              改变，大部分患者确诊时已处于中晚期                 ［1-2］ 。正电子      多种基于卷积神经网络的深度学习模型被应用于低
              发射计算机断层成像（positron emission tomography，           18 F⁃FDG 活度PET 影像质量增强        ［13-14］ 。例如，Kaplan
              PET）是一种分子水平的功能成像技术，通过探测放                          等 ［15］ 基于 UNET 架构进行低 F⁃FDG 活度 PET 的重
                                                                                          18
              射性示踪剂［如氟代脱氧葡萄糖（fludeoxyglucose，                   建增强。Jiang 等     ［16］ 引入生成对抗网络（generative
              18 F⁃FDG）］在患者体内的代谢过程，获取患者各组                       adversarial network，GAN）进行端到端的图像质量提
              织器官的功能和代谢信息，从而实现肿瘤的早期                             升，取得了较好的主观视觉效果与定量指标改善。
              精准诊断，目前 F⁃FDG PET/CT 已广泛应用于肿瘤                     然而，这些网络大多依赖局部卷积操作，难以捕捉
                            18
              学、神经科学和心血管疾病的诊断与疗效评估                      ［3-5］ 。  全局特征，尤其在病灶区细节恢复方面存在一定局
                  为获得患者体内 F⁃FDG 的稳定分布情况，传                       限。为解决全局特征识别难题，Hatamizadeh 等                 ［17］
                                  18
                                             18
              统 PET 扫描往往开始于患者注射 F⁃FDG 后的 40~                    提出了 SwinUNetR 网络结构，该方法将 Swin Trans⁃
              60 min，考虑到人体对 F⁃FDG 的代谢以及 F 核素                    former编码器与UNET解码器融合，利用窗口自注意
                                   18
                                                     18
              的自发衰变，为获得足够的探测信号，确保较高的                            力机制实现高效的局部建模与跨区域信息交互，在三
              图像分辨率和信噪比，临床上通常会向患者体内注                            维核磁图像分割任务中达到了当前最优性能。
                            18     ［6-7］ 。由于患者的年龄、体                  为减少 F⁃FDG PET/CT 检查患者受照剂量，本
                                                                           18
              射较高活度的 F⁃FDG
              重、病情及扫描条件各不相同，导致不同患者所需                            研究提出并构建了基于 SwinUNetR 的生成对抗网
                18
                                                                                                   18
              的 F⁃FDG 活度均不相同。国际原子能机构（Inter⁃                     络架构（SwinUNetR⁃GAN），以实现低 F⁃FDG 活度
              national Atomic Energy Agency，IAEA）建议，为保证         PET影像的伪影去除与质量恢复。本研究将系统
              PET 影像的精度与患者受到的辐照剂量，对成年患                          探究不同 F⁃FDG 活度下患者 PET 影像质量的变
                                                                          18
                                                         ［8］
              者而言，其被注射的 F⁃FDG 活度应在 5~14 mCi 。                   化规律，并基于搭建的 SwinUNetR⁃GAN网络，探究
                                 18
              根据中华人民共和国国家卫生健康委员会发布的                             低 F⁃FDG活度下PET影像的临床诊断性能，以期建
                                                                   18
             《核医学放射防护要求》中提供的成人单位施用量                             立临床可用的低 F⁃FDG活度PET/CT成像方法。
                                                                               18
              下接受的有效剂量评估方法，在 IAEA 建议的注射
                                                                1  对象和方法
              活度下，患者接受到的由 F⁃FDG 引起的全身等效
                                     18
              剂量约 3.52~9.84 mSv，而《电离辐射防护与辐射源                    1.1  对象
              安全基本标准》规定公众接受的年有效剂量应低于                                 本研究随机选择了南京医科大学第一附属医
              1 mSv（不含医疗照射）。因此，高活度 F⁃FDG 的使                     院2024年行 F⁃FDG PET/CT 检查的 124 例肺癌患
                                                                            18
                                                 18
              用将不可避免地增加患者接受的辐射剂量，尤其对                            者 ，所 有 患 者 均 采 用 0.15 mCi/kg 的 F⁃FDG 给药
                                                                                                   18
              于需要多次随访检查的患者群体，或特殊群体如儿                            活度计算方法，且所有患者采用相同的PET 扫描参
              童、孕妇等，累积辐射剂量的增加可能带来长期的                            数及重建参数设置，即每个床位采集 1 min，重建算
              生物效应风险。                                           法为有序子集最大似然法            ［18］ ，子集数为7，迭代次数
                  近年来，随着人工智能技术的迅速发展，尤其                          为2。本研究获得南京医科大学第一附属医院伦理
              是深度学习方法的不断成熟，其在医疗健康领域的                            委员会的批准（2024⁃SR⁃933），符合《赫尔辛基宣言》
              应用日益广泛       ［9-10］ 。在医学影像分析方面，深度学                的原则。患者的基本信息如下：男 67 例，年龄
              习网络凭借其强大的特征学习能力，在图像分割、                           （66.65±9.25）岁，身高（1.69±0.05）m，体重（68.74±
              配准、重建及疾病预测等任务中取得了突破性进                             11.82）kg，F⁃FDG 活度（8.48±1.44）mCi；女性 57 例，
                                                                         18
              展，推动了计算机辅助诊断系统的实用化进程。在                            年 龄（63.58 ± 11.25）岁 ，身 高（1.59 ± 0.06）m，体 重
              PET 领域，为降低辐射暴露、减少患者剂量而进行                         （60.54±10.39）kg，F⁃FDG活度（7.53±1.27）mCi。
                                                                                18
              的低 F⁃FDG 活度 PET 成像成为当前的研究热点                       1.2  方法
                   18
              之一  ［11-12］ 。然而，过低 F⁃FDG 活度的 PET 成像往              1.2.1 SwinUNetR⁃GAN网络结构及参数设置
                                   18
              往伴随着图像质量下降，包括信噪比降低、伪影增                                 SwinUNetR⁃GAN 网络由 1 个生成器和 1 个判别
              强及边界模糊等问题，严重影响诊断准确性。传统                            器组成。其中，生成器以SwinUNetR为主体结构，结
   115   116   117   118   119   120   121   122   123   124   125