国际医学磁共振协会（ISMRM）年度会议是全球医学影像领域最具影响力的学术盛会之一。2025年，联影一体化PET/MR科研合作团队携手多家顶尖医疗机构，在ISMRM上发表多项高质量研究成果，涵盖人工智能、临床应用与创新技术三大方向，充分彰显其在多模态融合成像领域的领先实力。

人工智能篇：AI赋能PET/MR，推动图像分割、生成与降噪革新

在人工智能加速发展的背景下，联影用户积极探索AI在一体化PET/MR中的深度应用，成果集中于医学图像分割、跨模态图像生成及低剂量PET降噪等关键领域。

河南省人民医院王梅云教授团队与中国科学院深圳先进技术研究院胡战利教授团队联合提出一种基于深度学习的双模态全脑分割框架^[1]。该方法通过构建潜在映射模型学习PET与MRI间的关联，并引入三维多目标分割网络与交叉注意力机制，实现功能与结构信息的有效融合。实验结果显示，Dice相似系数达75.53%±4.26%，Jaccard指数为66.02%±4.55%，显著优于现有模型，为脑部疾病的定量分析提供高精度工具。

图1. 不同方法脑结构分割效果对比。

胡战利教授团队与上海交通大学医学院附属仁济医院刘建军教授团队合作开发一种基于T1WI MRI生成多种PET示踪剂图像的技术^[2]。该方法利用跨模态文本提示机制，可生成PSMA、FDG、DOTATATE等特征图像，生成结果在PSNR、SSIM和RMSE等指标上表现优异，高度逼近真实PET图像。此技术有望减少患者对放射性示踪剂的依赖，提升检查安全性。

图2. 由T1WI MRI生成的多种PET示踪剂代表性图像。

同一团队进一步开发了一种结合T1WI MRI与¹⁸F-FDG PET生成¹⁸F-AV-45 PET图像的生成模型，用于阿尔茨海默病（AD）早期识别^[3]。研究发现，当MRI与FDG-PET输入权重比为2:8时模型性能最优。该方法可快速生成AV-45图像，降低检查成本与时间，适用于资源有限地区的初步筛查。

图3. 多模态输入生成¹⁸F-AV-45 PET图像结果展示。

胡战利教授团队联合中山大学附属肿瘤医院樊卫教授团队提出一种基于MRI引导的多模态特征扩散模型，用于改善低剂量PET（LPET）图像质量^[4]。该模型采用跨模态恢复网络与位置编码机制，在多个层次实现PET与MRI特征融合。评估显示，其在PSNR、SSIM等指标上均优于对比算法，显著提升图像清晰度与诊断可靠性。

图4. 不同LPET降噪方法图像质量对比。

临床应用篇：聚焦心力衰竭与肺癌，揭示疾病机制与预测价值

依托PET/MR双模态融合优势，研究团队在心力衰竭认知障碍机制与肺癌淋巴血管浸润预测方面取得重要进展。

首都医科大学宣武医院卢洁教授团队开展为期一年的随访研究，系统分析HF患者大脑皮层厚度变化及其与认知功能的关系^[5]。结果显示，HF患者整体皮层变薄，且HFpEF患者经治疗后皮层厚度增加、认知改善；而HFrEF患者无明显变化。该发现提示应针对不同亚型实施个性化神经评估与干预。

图5. HFpEF与HFrEF患者一年内皮层厚度变化趋势。

卢洁团队另一项研究基于ASL与fMRI技术评估HF患者的神经血管耦合（NVC）状态^[6]。结果显示，HF患者NVC指数下降，且与脑代谢、认知评分及心脏功能显著相关。随访中该指数略有回升，提示优化心功能可能有助于延缓脑损伤进程，NVC指数有望成为监测脑功能变化的生物标志物。

图6. HF患者基线与随访期间各脑区NVC指数变化。

王梅云教授团队整合¹⁸F-FDG PET、CTRW与APTWI多模态参数，探索非小细胞肺癌（NSCLC）淋巴血管间隙浸润（LVSI）的预测价值^[7]。研究发现SUV_max、ADC、α、β、D_m和MTR_asym(3.5ppm)为独立预测因子，构建复合模型后AUC达0.972，敏感性98.72%，特异性86.54%，显著优于单一指标，具备临床转化潜力。

图7. 单一参数与复合模型预测LVSI的ROC曲线对比。

王梅云团队还通过DTI-ALPS技术分析肺癌患者脑部血管周围间隙（PVS）体积分数^[8]。结果显示，淋巴结转移组颞平面PVS升高、右侧脑室PVS降低，且后者与ALPS指数正相关、与Ki67负相关。该研究为“肺脑轴”理论提供影像学支持，揭示肿瘤远处转移对中枢系统的潜在影响。

图8. 淋巴结转移与非转移组PVS差异脑区分布。

创新技术篇：突破成像瓶颈，提升临床效率与图像质量

联影持续深耕核心技术，推动PET/MR在衰减校正与扫描速度方面实现双重突破。

传统MRAC因缺乏组织衰减直接对应关系，难以精确校正PET信号。联影联合上海交通大学医学院附属瑞金医院李彪教授团队提出基于深度学习的连续μ值衰减校正方案^[9]，包含伪CT生成、配准与分割三大模块。以PET/CT为金标准验证，该方法显著提升骨骼区域SUV准确性，为PET定量提供更可靠保障。

图9. 深度学习MRAC技术流程框架。

针对MRI扫描耗时长问题，联影ACS智能光梭成像技术有效平衡速度与图像质量。南京鼓楼医院张冰教授团队研究表明，在膝关节检查中，ACS及ACS+Multiband序列在主观评分无差异前提下，关键结构SNR更高^[10]；肩部FACT序列应用ACS后扫描时间缩短30%，脂肪分数、R2*等定量参数保持稳定，部分区域SNR提升^[11]。该技术显著提升患者舒适度与检查效率。

图10. 膝关节T2WI压脂图像三种加速方式对比。

图11. FACT序列ACS加速与传统采集图像对比。（A）水脂分离图像；（B）定量伪彩图。

总结与展望

从人工智能融合到重大疾病机制探索，再到核心技术创新，联影一体化PET/MR在2025 ISMRM中展现出强大的科研协同能力与临床转化潜力。未来，随着产学研医深度融合，一体化多模态成像将在精准诊疗、早期筛查与个体化医疗中发挥更大作用，持续推动医学影像技术进步。

[1] Wenbo Li, et al. A generative whole-brain segmentation approach for PET/MR imaging via deep learning, ISMRM 2025.

[2] Yizhou Jiang, et al. Cross-modal text prompts specified MRI-to-PET dynamic image translation, ISMRM 2025.

[3] Xing Fu, et al. MRI-enhanced generative model for Alzheimer's Disease: Converting ¹⁸F-FDG PET to ¹⁸F-AV-45 PET, ISMRM 2025.

[4] Yuxi Jin, et al. Multimodal feature-guided diffusion model for low-dose PET image denoising with MRI, ISMRM 2025.

[5] Chong Zheng, et al. Cortical thickness alterations and cognitive impairment in heart failure: A one-year follow-up study, ISMRM 2025.

[6] Chong Zheng, et al. Altered neurovascular coupling in heart failure: Insights from a 1-Year follow-up study on cerebral hemodynamics and cognitive decline, ISMRM 2025.

[7] Nan Meng, et al. Continuous-time random walk and amide proton transfer-weighted imaging to predict lymphovascular space invasion in non-small cell lung cancer, ISMRM 2025.

[8] Nan Meng, et al. Exploring brain differences in lung cancer patients with varying lymph node statuses: A preliminary study based on DTI-ALPS, ISMRM 2025.

[9] Hanzhong Wang, et al. Enhanced attenuation correction in hybrid PET/MR imaging using a deep-learning-based continuous μ-Map generation framework, ISMRM 2025.

[10] Meng Yang, et al. Application of AI-assisted compressive sensing technique combined with multi-slice simultaneous excitation imaging technique in knee MRI scanning: a prospective multi-reader study, ISMRM 2025.

[11] Meng Yang, et al. Evaluation of AI-cssisted compressed censing for acccelerated shoulder FACT MRI sequences, ISMRM 2025.