Page 22 - 南京医科大学自然版
P. 22

第46卷第6期
               ·804  ·                           南 京    医 科 大 学 学         报                        2026年6月


              5.3  图像优化                                         助放疗的效果       ［64］ 。一项关于肝转移瘤SBRT的研究
                   F⁃FDG PET/CT图像的质量取决于采集的光子                    指出，F⁃FDG PET/CT 在放疗中具有双重价值。首
                  18                                                  18
              数量。后者主要受示踪剂剂量和扫描时间影响。                             先，它可通过发现肝外转移灶修正整体诊疗方案；
              然而，注射的放射性示踪剂（例如 F⁃FDG）会引起辐                        其次，在靶区勾画阶段，PET图像上的高摄取区域有
                                            18
              射暴露风险的担忧。减少示踪剂注射剂量、缩短扫                            助于更准确地界定肿瘤的真实边界，从而避免靶区遗
              描时间可以减少这种风险。但考虑到图像质量问                             漏或对正常组织的过度照射 。
                                                                                        ［65］
              题，前者每个窗位需要更长的扫描时间，可能导致不                           6.2  生 物 引 导 放 疗（biology ⁃ guided radiotherapy，
              适和运动伪影，缩短扫描时间会减少光子采集，从而                           BgRT）
              降低图像质量并影响诊断 。因此，从低剂量（或低                                BgRT 是另一种新颖的外照射放疗技术，其作
                                    ［57］
              计数）图像重建标准剂量 PET 图像以减少辐射暴露                         用方式是将 F⁃FDG PET/CT 与直线加速器相结
                                                                            18
              并优化图像质量很有研究前景。目前基于深度学                             合，利用来自肿瘤组织中示踪剂的 PET 信号进行
              习（deep learning，DL）的图像优化已取得了一些进                   引导放疗     ［66］ 。但这也意味着如果不能较好地区分
              展。Liu等 在一项纳入34例CRLM患者的研究中，分                       肿瘤和正常组织的 SUV 可能会导致靶区界定不准
                       ［57］
              别用 Gaussian smoothing filter 和新开发的 DL image       确。对此，Chau 等      ［67］ 提出通过肿瘤 SUVmax/背景
              filter 在不同时间采集图像，并以 Gaussian smoothing            SUVmean，即归一化标准化摄取值（normalized SUV，
              filter 进行完整扫描获得的图像为标准，通过肝脏⁃纵                      NSUV）来验证BgRT治疗肝转移瘤的可行性。结果显
              隔血池信噪比（signal⁃to⁃noise ratio，SNR）对比不同采            示FDG高摄取的肝转移瘤具有足够的NSUV（>1.45），
              集时间的图像质量。最终发现 DL image filter 可显                  能够进行BgRT。该研究为实现肝转移瘤的超精准自
              著提高SNR和视觉图像质量评分（P < 0.01），且早期                     适应放疗提供了基础，也表明了 F⁃FDG PET/CT 在
                                                                                              18
              DL image filter图像与标准图像的质量没有差异。可                   引导放疗方面的重要作用。
              见DL image filter可以在超快采集的基础上，基于DL
                                                                7  应用展望——AI
              的图像过滤以减少噪声，继而优化图像。另一项研究
              中，Wang等 基于DL的M S⁃Net模型，从10 s低剂量                   7.1  肝转移瘤 F⁃FDG PET/CT AI领域现状
                        ［58］
                                                                              18
                                     3
               F⁃FDG PET/CT中生成与60 s PET兼容的高质量图                       利用 AI 可将人类执行的智力任务进行自动化
              18
              像，且该模型在肝脏肿瘤重建和边缘保持方面展现                            处理，而机器学习（machine learning，ML）和DL则是
                                                                        ［68］
              了良好的性能。优化后的图像质量评估同样重要，Qi                          主要方法 。ML 因其高性能和构建复杂预测模型
                ［59］
              等 开发了一种用于图像质量评估的卷积神经网络，                           的卓越能力在医学图像的相关研究中取得了许多
              已被证明具有与人工相当的性能，且其评估速度比                            令人满意的结果        ［69］ 。DL 作为 ML 算法的子集，能够
              人工快 200 倍。                                        从原始输入数据中学习多层次表征，从而消除传统
                                                                ML 中手工设计特征的必要性             ［70］ ，这一特点使得 DL
              6  引导放疗
                                                                相比 ML 有更高的效率，从而有更多的应用。如今
              6.1  引导立体定向放射治疗（stereotactic body radi⁃           肝转移瘤已成为近年来 AI相关肝脏影像学研究中的
                                                                                             ［71］
              ation therapy，SBRT）                               热点，相关临床应用已较为广泛 。相关研究总结
                  放疗是大多数癌症的治疗方法，它依靠电离辐                          显示不同AI模型在CT和MRI 上对CRLM 的病灶检
              射来杀死肿瘤细胞，同时最大限度地减少对正常组                            测、疗效评估、预后预测方面都有较好的表现                       ［72］ 。
              织的影响    ［60］ 。肝转移瘤是癌症管理中的一个重大                     另外也有一些研究关注肝转移原发灶的问题，Chen
              临床挑战，而SBRT是目前治疗这些转移瘤的一种有                          等 ［73］ 通过将病理切片的手工特征（hand crafted，HC）
              前景的方式，在不良反应少的同时有较高的局部控制                           和 DL 结合来识别肝转移瘤的原发肿瘤部位，并发
              和生存率    ［61-62］ 。研究证明SBRT在完全缓解、异时寡                现结合 HC 和 DL 特征的模型在预测肝转移瘤来源
              转移、组织学良好且无治疗中断的患者中获得最好                            方面有优异表现。还有一些研究提到 AI 在图像重
              的结果   ［63］ 。 F⁃FDG PET/CT作为一种功能显像检查               建方面的作用，Lyu 等        ［74］ 将开发的深度学习图像重
                         18
              可以更好地对疾病进行分期，而其相关代谢参数也                            建（deep learning image reconstruction，DLIR）算法与
              可以用作预测治疗反应的生物标志物，从而利于减                            低剂量双能量CT（dual⁃energy CT，DECT）结合，发现
              少肿瘤靶区描绘的不确定性和可变性，最后达到协                            该成像方法可以在保持与标准剂量单能量CT（single⁃
   17   18   19   20   21   22   23   24   25   26   27