Page 123 - 南京医科大学自然版
P. 123
第45卷第11期 丁 威，唐立钧，田 锋. 基于Swin Transformer的低活度PET影像质量恢复方法研究［J］.
2025年11月 南京医科大学学报（自然科学版），2025，45（11）：1649-1655 ·1653 ·
性能进行分析，如图 3 所示本部分随机选取了 3 例 18 F⁃FDG活度下的PET影像更相似。
患者特定断层的影像。从图中可以直观地看出，当 此外，本研究还采用定量分析法对SwinUNetR⁃GAN
18
患者使用的 F⁃FDG 活度只有临床常用活度的10% 网络的预测结果进行分析（图4）。可以看出，采用深
时，重建所得的 PET 影像中存在大量的伪影噪声， 度学习法可以有效提高低 F⁃FDG活度PET影像的
18
影像整体呈现零散的热点分布，难以识别靶区及其 图像质量，输出影像各像素SUV值与标准活度各像
范围。而由于 PET 影像全局特征的复杂性，传统 素 SUV 值接近，且 UNET 与 SwinUNetR⁃GAN 网络结
UNET网络在进行相关任务时，输出的影像中存在大 果相似，进一步表明本研究提出的SwinUNetR⁃GAN
量噪声，无法有效实现由低 F⁃FDG活度PET影像映 网络可实现低 F⁃FDG 活度 PET 影像的质量恢复。
18
18
射得到标准 F⁃FDG活度PET影像。与之相比，本研
18
3 讨 论
究建立的SwinUNetR⁃GAN网络具有更优异的全局特
征识别能力，采用该网络对低 F⁃FDG活度PET影像 肿瘤早期诊断是提高患者早期生存率的关键，
18
进行处理时，可以提高 PET 影像的图像质量，具体 18 F⁃FDG PET/CT扫描可以提供患者全身葡萄糖代谢
表现为输出的PET 影像热点区域更加集中，与标准 情况，为患者肿瘤靶区的精准识别提供了有效的技
CT 10% activity PET UNET SwinUNetR⁃GAN Standard activity PET
1
Case
2
Case
3
Case
图3 不同病例的CT、10%活度PET影像、UNET、SwinUNetR⁃GAN和标准活度PET影像结果
Figure 3 Results of CT，10% activity PET images，UNET，SwinUNetR⁃GAN，and standard activity PET images for different
cases
A B
Mean±95%CI 0.35 Mean±95%CI
0.22
Mean Mean
0.20
0.30
MAE 0.18 Rdev
0.25
0.16
0.14 0.20
10% activity UNET SwinUNetR⁃GAN 10% activity UNET SwinUNetR⁃GAN
A：The value of MAE. B：The value of Rdev.
图4 定量参数的均值与95%CI
Figure 4 The mean value and 95% CI of quantitative parameters
