联影uPMR 790 PET/MR智能平台：AI赋能全流程精准成像

一体化智能工作流实现数据采集、质控、重建与临床分析全面升级

联影一体化PET/MR智能平台uPMR 790以“化繁为简”为核心理念，融合全流程智能精准成像技术，构建一站式、全链条AI驱动的工作流。平台在智能定位、图像质控、图像重建及临床后处理等环节广泛应用人工智能，显著提升扫描效率与影像质量，助力精准医疗发展。

01 优势技术优化数据采集

uPMR 790智能工作流集成智能定位、智能匀场与智能衰减校正技术，全面提升数据采集效率与精度。智能定位可自动识别器官特征并完成扫描视野定位，心脏扫描仅需一次屏气即可实现三维采集，并自动生成7个方位定位图像。基于五组织分割的AI衰减校正技术，将人体划分为骨骼、肌肉、水、空气、肺五类成分，达到CT级校正效果，显著提升PET图像质量与定量准确性。

图1. 智能定位技术

02 AI算法强化设备质控

uPMR 790配备专用监控模块，可在不增加检查时间的前提下实时监测患者运动情况，支持全身多器官、多序列覆盖，避免传统视频监控中线圈遮挡问题。系统集成伪影检测功能，可自动识别感兴趣区域及伪影类型与程度，并在扫描、后处理及打印界面实时提示。同时，智能射频干扰检测与线圈故障诊断技术进一步保障数据采集稳定性。

图2. 智能伪影检测

03 AI提升图像重建质量

针对PET成像面临的高辐射剂量与长扫描时间瓶颈，uPMR 790采用ROSEM正则化迭代重建技术，在每次迭代中有效控制噪声，提升病灶检出能力与定量准确性。科研层面，平台支持基于AI的PET/MR联合重建算法，利用MRI高清结构信息优化PET图像质量，已在低剂量PET重建中取得突破性成果。

中山大学附属肿瘤医院樊卫团队与中科院深圳先进院胡战利团队合作，探索MR纹理特征引导的PET重建[1]及深度学习框架下的PET图像合成[2]，相关成果发表于医学影像领域权威期刊。

图3. PET/MR 联合重建

04 智能后处理助力临床分析

平台搭载神经、血管、心脏、肿瘤等多部位AI高级分析应用。神经领域支持多模态脑分析，可自动分割106个脑区，提供定量体积测量、疾病细化分析与随访对比，并生成图文报告，支持数据导出用于科研。脑结构智能评估系统可快速识别异常脑区，辅助轻度认知障碍与阿尔茨海默病早期诊断。

血管斑块分析可自动提取血管中心线，支持多加权图像对比浏览与斑块成分彩色渲染。心功能分析基于电影序列实现心肌自动分割与形变场计算，生成容积曲线与牛眼图；心应变分析通过AI特征追踪，获取长轴、短轴、周向、纵向等多维度心肌应变参数。

图4. 多模态脑分析

05 科研成果彰显AI应用潜力

uPMR 790已成为多个重点医疗机构的科研平台，产出多项AI驱动研究成果。北京大学肿瘤医院与深圳先进院合作研究表明，MR纹理信息可提升PET动态参数成像质量，增强肿瘤边界描绘能力与信噪比[3]。

图5. MR 纹理信息有助于提升 PET 动态参数成像质量

南京市第一医院与深圳先进院研究证实，结合深度学习与MR先验信息，50%剂量PET图像仍满足前列腺癌临床诊断需求，显著降低患者辐射暴露[4]。

图6. 利用深度学习降低辐射剂量

河南省人民医院与郑州大学合作，采用循环生成对抗网络提升PET/MR中PET图像质量，充分发挥uEXPLORER全身PET探测器优势[5]。

图7. “类两米”PET成像，提高PET/MR中PET的图像质量

影像组学研究显示，CEST、IVIM与PET多参数联合分析可显著提升肺癌良恶性鉴别敏感性[6]。

图8. 肺癌多参数联合分析

目前，基于uPMR 790平台的多项研究成果已发表于国际权威SCI期刊，展现其在临床与科研领域的双重价值。

图9. uPMR 790 平台上发表的部分 SCI 文章一览

参考文献：

[1] Gao D, Zhang X, Zhou C, et al. MRI-aided kernel PET image reconstruction method based on texture features. Physics in Medicine & Biology, 2021, 66(15): 15NT03.

[2] Sun H, Jiang Y, Yuan J, et al. High-quality PET image synthesis from ultra-low-dose PET/MRI using bi-task deep learning. Quant Imaging Med Surg 2022;12(12):5326-5342.

[3] Mao, X, Zhao, S, Meng, X, et al. (2022). PET parametric imaging based on MR frequency-domain texture information. NUCL INSTRUM METH A, 2022.

[4] Deng F, Li X, Yang F, et al. Low-Dose 68 Ga-PSMA Prostate PET/MRI Imaging Using Deep Learning Based on MRI Priors. Front Oncol. 2022 Jan 26;11:818329.

[5] Shang C, Zhao G, Li Y, et al. Short-Axis PET Image Quality Improvement by Attention CycleGAN Using Total-Body PET. J Healthc Eng. 2022 Mar 25;2022:4247023.

[6] Fang T, Meng N, Feng P, et al. A Comparative Study of Amide Proton Transfer Weighted Imaging and Intravoxel Incoherent Motion MRI Techniques Versus (18) F-FDG PET to Distinguish Solitary Pulmonary Lesions and Their Subtypes. J Magn Reson Imaging. 2022 May;55(5):1376-1390.

编者：联影医疗中央研究院科研合作专家 王哲