脑PET代谢定量研究新进展：配准与AI分割显著提升准确性
首都医科大学宣武医院团队基于一体化PET/MR系统，系统评估不同脑区分割策略对脑代谢定量的影响，为精准神经影像分析提供科学依据
近日，首都医科大学宣武医院卢洁教授团队单艺等在EJNMMI Research期刊发表研究成果《Impact of brain segmentation methods on regional metabolism quantification in 18F-FDG PET/MR analysis》，系统探讨了不同脑区分割策略对脑代谢定量计算的影响。研究表明，采用MRI配准、尤其是基于表面形态学（SBM）的配准方法，结合个体脑区分割可显著提高标准摄取值（SUV）计算的准确性；同时，AI辅助分割技术大幅缩短处理时间，显著提升分析效率。 在阿尔茨海默病、癫痫、脑肿瘤及中风等神经系统疾病的影像研究中，精准的脑区代谢定量至关重要。然而，临床实践中常因流程简化而未将PET图像与个体结构MRI进行精确配准，可能影响定量结果的可靠性。目前主流的脑区分割策略包括：不进行MRI配准的分割方法，以及基于MRI配准的脑图谱法（如SPM、FSL）或个体脑区分割法（如FreeSurfer）。尽管一体化PET/MR设备具备同步获取高分辨率MRI和PET数据的优势，但不同分割策略对定量结果的影响尚未得到系统评估。 该研究纳入40名健康志愿者的脑部PET/MR数据，在注射18F-FDG示踪剂后进行30分钟成像，依次采集用于衰减校正的MRI序列、结构MRI及PET图像。研究对比了8种分割方法在全脑（21个区域）和脑皮质（48个区域）水平的表现，涵盖SPM、FSL和FreeSurfer三大平台，并评估是否使用MRI配准、是否采用脑图谱算法及是否引入AI辅助等因素。 结果显示，所有分割策略间SUV值均呈高度相关（全脑：r = 0.953–0.999，P < 0.001；皮质：r = 0.932–0.998，P < 0.001），但基于体素形态学（VBM）的方法（如SPM、FSL）相关性相对较弱，提示其在PET定量中引入更多变异性。一致性分析显示，组内相关系数（ICC）在全脑水平普遍高于皮质水平，尤其在是否采用脑图谱算法方面差异明显（皮质ICC：0.741–0.879），表明脑图谱法在精细皮质区域的一致性较低。 差异性分析表明，是否使用MRI配准对SUV影响较小（全脑平均差异3.43%，皮质3.01%），但在尾状核、壳核等深部脑区差异显著。而是否采用脑图谱算法带来的差异更大（全脑6.04%，皮质7.79%），部分皮质区域差异超过11%。相比之下，AI辅助分割（FreeSurfer + AI）的SUV差异最小（全脑1.85%，皮质1.17%），且处理时间从传统方法的8.13小时/例缩短至仅57秒，极大提升了数据处理效率。 研究进一步发现，FreeSurfer基于表面形态学的分割方法能更准确地识别皮质边界并排除脑脊液干扰，相较基于体素的块状分割更具优势。综合来看，MRI配准特别是结合SBM的个体化分割策略，可有效提升SUV计算的准确性与稳定性；AI辅助则在保证精度的同时实现高效处理。 该研究为一体化PET/MR在脑疾病诊断和脑科学研究中的精细化应用提供了重要参考，推动神经影像分析向更高精度与效率迈进。
图1. 不同分割策略下脑部分割结果叠加于PET图像。A：全脑分割；B：脑皮质分割。
图2. 各分割策略间SUV值的Pearson相关系数。A：全脑21个区域；B：脑皮质48个区域。
表1. 不同分割方法在全脑与脑皮质水平上SUV值的一致性（ICC）比较。
[1] Shan, Y.; Yan, S.; Wang, Z.; Cui, B.; Yang, H.; Yuan, J.; Yin, Y.; Shi, F.; Lu, J. Impact of brain segmentation methods on regional metabolism quantification in 18F-FDG PET/MR analysis. EJNMMI Res 13, 79 (2023). https://doi.org/10.1186/s13550-023-01028-8