作者：袁增贝，赵军，同济大学附属东方医院核医学科
随着医学成像技术的迅速发展，利用影像学检查可在直观显示正常组织器官及异常病变的基础上进一步挖掘机体功能、代谢、乏氧、受体及基因表达等多种信息，因此，一体化成像设备越来越受到关注。PET可利用正电子核素示踪剂精准观察组织代谢，其灵敏度高且具有分子靶向性；结合MRI可获得更高的空间分辨率及高软组织对比度的图像，在诊断和鉴别多种良、恶性肿瘤，神经及心血管系统疾病，以及评估疗效等方面具有显著优势，尤其适用于儿童。
本文就一体化PET/MR结构设计、成像优化及其与人工智能(artificial intelligence，AI)相结合等进展进行综述。
1. 改进结构
PET/MR整体框架结构历经双机房分体扫描、单机房分体扫描及集成一体化同步扫描3个发展阶段。双机房分体扫描由分置于相邻机房的PET/CT及MR设备独立完成；单机房分体扫描指通过移动扫描床使受检者于同一机房内先后完成PET及MR扫描；集成一体化同步扫描则将PET探测器与MR线圈整合于一体化PET/MR设备中，在真正意义上实现了PET与MR同时间、同空间成像。
一体化PET/MR设备的结构包括分离式、嵌入式及插入式。分离式多指直接将PET 探测器置于MR设备中，通过光纤引出PET信号并进行处理；嵌入式通过将PET探测器嵌入重新设计后的MR体线圈内进行成像；插入式指将PET探测器置于2组独立的MR 梯度线圈之间进行同步成像。目前主流PET/MR设备如联影uPMR 790、GE Signa PET/MR及Siemens Biograph mMR等，均为一体化设计。
近年利用多种微米级厚度的铜制屏蔽壳有效解决了以往困扰一体化PET/MR 设备的射频干扰问题。研究报道，以高电阻率碳纤维材料制造的屏蔽壳可保持导电性而几乎不影响成像过程。PET探测器中的光电倍增管(photo multiplier tube，PMT)对MR磁场较敏感。
Siemens团队采用不受MR磁场干扰的APD替代传统PMT；GE及联影团队均以SiPM 作为PET输出部件，不仅能保证良好的磁场稳定性及较高时间分辨率，还可支持TOF技术。
2. 优化成像
2.1 衰减校正(attenuation correction，AC)
AC可通过估测组织衰减系数
区域分割法通常基于MRI、尤其是解剖信息丰富的T1WI，根据目标区域的衰减特性划分不同组织，并赋予其511keV 所对应的衰减系数校正PET 图像，适用于MRI信号相似但衰减系数存在显著差异的区域。
图谱配准法基于MR模板及来源于多组投射图像平均值的PET衰减图像模板，通过配准图像模板与采集的目标图像、依据组织成分差异信息生成相应衰减图，可根据模板来源分为地图集法(预先构建的人类组织模板图像数据库)与模板法(已知组织密度模板及其对应的衰减系数参考值)。透射扫描法利用PET/MR设备的放射性部件同时采集图像并获得目标区域发射与透射图像，不依赖MRI，但设备需具备TOF技术。发射数据重建法可直接通过算法以PET数据重建目标区域衰减图像，但操作复杂使其临床应用受限。
2.2 运动校正
PET/MR成像过程中，人体正常生理活动产生的运动伪影可致图像对比度及信噪比降低，从而使微小病灶边界模糊。运动校正图像有利于获取受检者精准运动信息以提高图像质量，可大致分为基于硬件与软件两类方法。基于硬件的运动校正指以专用设备对目标进行附加标记并获取精确运动数据，常见设备包括呼吸门控及心电监控设备；基于软件的运动校正则通过对PET数据进行后处理而纠正运动伪影，如图像配准法可连续采集多帧图像，并将不同时间点PET图像与目标区域的参考位置进行配准，进而通过评估各帧图像的运动信息而实现运动校正。临床可根据目标区域运动程度及成像需求选择配准算法。
2.3 散射校正
散射指PET成像时光子与组织中的物质相互作用并改变方向的现象，可致图像伪影；现有常用校正方法包括能窗法、卷积法、物理模型法及AI模型。能窗法通过适当选择能量窗口获取散射事件数据并建立散射模型，最终实现散射校正；卷积法应用卷积核建立散射分布模型，并于重建图像过程中纳入散射校正因子进行散射校正；以单散射模拟为代表的物理模型法通过模拟单一散射事件并将其集成至重建图像中而完成散射校正；AI模型法则仅基于核素与组织物质的空间分布信息对模型进行优化训练，最终可输出与物理模型法效果相当的散射分布估计结果。
2.4 快速扫描
相比PET/CT，PET/MR成像时间较长、检查效率相对低、患者舒适度欠佳；目前研究人员致力于通过调整MR序列而在不影响成像质量的前提下缩短采集时间。KIRCHNER等指出，为实现精准、快速PET/MR成像，可保留用于衰减校正的T1W 及提供高分辨率信息的T2W 而去除仅提供冗余及对比信息的序列，同时针对特定区域进行可选序列扫描。
3. 与AI相结合
相比传统核医学采集及处理图像方法，训练优化后的AI模型通常能更迅速、高效地完成特定任务而大幅提升图像质量，在推动核医学成像技术进步和促进精准医学发展方面展现出巨大应用潜力。
3.1 AI用于采集图像
既往研究基于以大量数据训练后的机器学习(machine learning，ML)模型将标准解剖学模板映射至特定PET/MRI，以实现个体化AC。深度学习(deep learning，DL)模型已广泛用于训练映射关系，训练优化后可基于MRI预测目标区域衰减图像。受解剖异质性及个体差异等影响，直接实现全身PET/MR AC的难度较高，目前以AI模型进行AC仅限于头部，但已有学者通过构建卷积神经网络证实了将DL模型用于头部以外区域AC的可行性。
3.2 AI用于重建图像
重建PET/MR图像过程计算密集、复杂，利用AI模型可通过学习成像信息与重建图像间的映射关系而辅助图像重建、缩短重建时间，并根据受检者生理特征及临床需求进行自适应重建，有助于实现个性化诊疗；其主要方法包括目标数据驱动下独立构建的AI模型、经典物理及统计模型结合AI模型及训练优化已知AI模型并重建图像。
3.3 AI用于图像后处理
AI模型已用于CT、MR等多种医学图像的去噪、提升分辨率等。PET/MR典型后处理方法是以低剂量PET图像生成全剂量等效PET图像，以降低图像噪声、提高空间分辨率。目前以DL模型为代表的AI图像去噪模型主要包括UNet、卷积自编码器及生成对抗网络。AI模型的另一特点是可于低剂量条件下重建图像。KAPLAN等基于CNN 模型仅以10%剂量获得与全剂量质量相当的重建PET图像，这对于儿童等特定群体具有重要临床意义。
4. 小结与展望
一体化PET/MR在提供多模态信息、辅助临床诊疗方面具有独特优势，但存在扫描较为耗时且图像伪影干扰等问题；未来需进一步完善成像技术，以支持精准临床诊断。随着软、硬件的迭代更新，一体化PET/MR将作为多功能、全面、可靠的成像技术，可提供高质量融合图像，为多领域临床研究提供独特且有价值的视角。
来源：袁增贝,赵军.一体化PET/MR成像进展[J].中国医学影像技术,2024,40(05):783-786.
(本网站所有内容，凡注明来源为“医脉通”，版权均归医脉通所有，未经授权，任何媒体、网站或个人不得转载，否则将追究法律责任，授权转载时须注明“来源：医脉通”。本网注明来源为其他媒体的内容为转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。)
