联影PET/MR多篇科研成果亮相2024 ISMRM，覆盖神经科学、肿瘤与人工智能领域
首都医科大学宣武医院、河南省人民医院及中科院深圳先进院基于联影PET/MR设备取得多项前沿研究成果
随着医学影像技术的持续发展，国际医学磁共振协会（ISMRM）年度会议已成为全球医学影像领域最具影响力的学术盛会。作为行业领先企业，联影长期携手临床与科研机构，推动PET/MR在产学研医深度融合中的应用。2024年ISMRM会议上，联影PET/MR平台支持的多项研究成果被接收，涵盖神经科学、肿瘤研究及人工智能等方向。本文重点介绍首都医科大学宣武医院、河南省人民医院与中国科学院深圳先进技术研究院利用联影PET/MR开展的六项高水平科研工作。
一、神经科学研究：揭示帕金森病与心衰患者的脑功能与结构变化
1. 帕金森病患者脑白质功能网络研究
首都医科大学宣武医院卢洁教授团队基于联影PET/MR设备，开展针对帕金森病（PD）患者脑白质功能连接（FC）的研究（摘要号：4361）。研究纳入健康对照组（HC）、伴左旋多巴诱发运动障碍（LID）的PD患者及无LID的PD患者，采用K-means聚类构建14个脑白质功能网络（WM1–WM14），并比较三组间的FC差异。
结果显示，PD患者整体FC显著低于HC组，尤以LID组最为明显。相关性分析显示，LID组中WM2与WM11之间的FC与MMSE评分呈正相关，而noLID组则呈负相关。该发现提示特定白质网络的功能连接可作为PD疾病进展及LID发生潜在的生物标志物，为早期诊断和个体化管理提供新依据。
图1. 采用K-means聚类方法绘制的14个脑白质网络。
图2. 三组间功能连接（FC）比较结果。
图3. LID组与noLID组MMSE评分与FC的相关性分析。
2. 心衰患者脑皮层厚度与心功能、认知功能的关系
同一团队还探讨了心力衰竭（HF）患者脑结构改变及其与心功能和认知障碍的关联（摘要号：2284）。研究纳入56例HF患者与37名健康志愿者，通过PET/MR评估脑皮层厚度，并结合心脏磁共振（CMR）获取整体周向应变（GCS）指标，使用MMSE和MoCA量表评估认知功能。
顶点水平分析显示，HF患者在10个脑区（Cluster 1–10）出现皮层厚度显著降低，尤其在Cognition-组中更为突出。进一步分析表明，多个脑区的皮层厚度与GCS呈显著负相关，提示心功能下降可能通过影响脑结构导致认知损害。研究认为，皮层厚度可作为连接心功能与认知障碍的中介指标，具备用于HF相关认知障碍早期识别的潜力。
图4. 组间皮层厚度差异区域及三组平均值对比。
表1. 显著差异脑区的皮层厚度均值与P值。
图5. 皮层厚度与整体周向应变（GCS）的相关性分析。
二、肿瘤研究：PET/MR多参数模型提升肺部病变良恶性鉴别效能
1. RSI模型助力肺部病变无创诊断
河南省人民医院王梅云教授团队探索限制性谱成像（RSI）在肺部良恶性病变鉴别中的价值（摘要号：3482）。研究基于联影PET/MR采集RSI三室模型参数（RSI-C1/C2/C3）、ADC及SUVmax，评估其对肺部结节的判别能力。
结果显示，恶性组RSI-C1和SUVmax显著升高，ADC与RSI-C3显著降低（P < 0.001）。ROC分析显示，SUVmax（AUC=0.819）和RSI-C3（AUC=0.811）判别效能接近，而由RSI-C1、RSI-C3与SUVmax构成的联合模型AUC达0.900，敏感性86.2%，特异性84.3%，显著优于单一参数（P < 0.01），表明多模态融合可有效提升诊断准确性。
图6. 各参数在良恶性组间的比较结果。
图7. 不同参数及联合模型的ROC曲线（Combined Diagnosis = RSI-C1 + RSI-C3 + SUVmax）。
2. 多参数PET/MR模型实现孤立性肺病变精准鉴别
该团队另一项研究（摘要号：2577）整合18F-FDG PET、酰胺质子转移加权成像（APTWI）、单指数与拉伸指数扩散模型（MEM-DWI/SEM-DWI），构建多参数预测模型用于孤立性肺病变（SPL）鉴别。
研究发现，恶性组SUVmax、MTV、TLG、α、MTRasym(3.5ppm)显著升高，ADC与DDC显著降低（P < 0.01）。SUVmax、ADC和MTRasym(3.5ppm)为独立预测因子，其组合模型AUC高达0.976，敏感性94.64%，特异性92.86%，显著优于任一单项指标，展现出作为可靠影像标志物的临床潜力。
图8. 良恶性组各参数对比结果。
图9. 训练集与测试集中各参数及预测模型的ROC曲线。
三、人工智能应用：推动低剂量重建与自动化分割技术创新
1. 空间脑变换提升低剂量PET图像质量
中国科学院深圳先进技术研究院胡战利教授团队联合王梅云团队提出一种基于空间脑变换（SBF）的深度学习方法，用于改善全脑低剂量PET/MR图像质量（摘要号：4261）。
该方法融合MR解剖信息指导PET图像增强，整体流程如图10所示。实验对比CNN、REDCNN、UNet等多种模型，结果显示所提方法在PSNR（41.96±4.91 dB）和SSIM（0.9654±0.0215）上较原始低剂量图像提升19%和20%（P < 0.01），且更准确还原SUV分布，有助于降低辐射剂量同时保障诊断可靠性。
图10. 所提出方法的整体工作流。
图11. 八个脑区VOI分析的小提琴图。
表2. 不同方法的PSNR、SSIM与PCC评价结果。
2. 深度学习实现PET/MR双模态自动脑分割
研究团队进一步开发基于nnU-Net的PET/MR双模态全脑分割方法（摘要号：3521），将PET代谢信息与MR结构信息并行输入网络，实现高效融合。
五重交叉验证结果显示，双模态输入显著优于单模态方法，在Dice相似系数（DSC）、Jaccard指数（JAC）和Recall等指标上表现更优（见表3）。该方法可在约2分钟内完成全脑分割，远快于传统工具（如FreeSurfer需数小时），具备广泛应用于临床及科研场景的潜力。
图12. PET/MR双模态脑分割流程。
图13. 不同脑结构的分割效果对比。
表3. 不同分割方法的DSC、JAC、Precision和Recall比较。
总结
从神经机制探索到肿瘤精准诊断，再到人工智能驱动的技术革新，联影PET/MR平台正不断支撑高水平科研产出。此次多家权威机构在ISMRM 2024展示的研究成果，充分体现了多模态影像融合在临床与科研中的广阔前景。未来，随着技术迭代与跨学科合作深化，PET/MR将在疾病早期识别、个性化治疗及智能影像分析等领域发挥更大作用。