联影uMI Panorama GS在2024 SNMMI年会斩获多项科研成果

长轴PET/CT系统性能通过NEMA与EARL认证，多项创新技术获大会重点推荐

SNMMI年会是全球核医学与分子影像领域最具影响力的学术盛会之一。在2024年会议上，联影医疗携手北京协和医院、昆山市第一人民医院等临床伙伴，在新型长轴PET/CT系统uMI Panorama GS（以下简称“GS”）的性能验证与先进应用方面取得突破性进展，共入选6篇摘要，涵盖1篇口头报告和5篇壁报展示。其中，GS系统性能评估及三项创新算法被大会重点推荐，标志着国产高端医学影像设备在核心技术研发与临床转化方面的国际认可。

GS系统性能全面达标：灵敏度、TOF分辨率与图像质量表现优异

摘要《Preliminary evaluation of the new digital uMI Panorama LAFOV PET/CT system with EARL compliance and extended NEMA NU 2-2018》（Oral）由上海联影医疗与北京协和医院霍力主任团队合作完成。该研究首次依据NEMA NU 2-2018和EARL标准对GS系统进行全面性能评估。

GS系统采用三探测器单元耦合设计，实现148厘米超长轴向视野，配备亚200皮秒时间飞行（TOF）分辨率和高灵敏度探测模块。为适配长轴系统，研究团队创新性地使用2米线源进行灵敏度测试，结果显示中心视野总灵敏度达90.8 kcps/MBq；噪声等效计数率峰值达2.24 Mcps@33.27 kBq/ml。TOF分辨率在峰值剂量下介于188–198 ps之间。NEMA IQ测试显示小球恢复系数为71.84%–94.83%，背景变异度低至0.93%–1.77%，图像质量优异。

EARL认证结果表明，GS系统具备精确的定量能力，且可通过滤波参数实现多设备间图像质量标准化，满足多中心研究一致性要求。

图(a)-(k)：NEMA IQ小球恢复系数与背景变异度在不同重建条件下的表现；图(l)-(n)：EARL评估结果。

五大先进应用技术推动临床与科研升级

基于GS系统的高灵敏度与长轴视野优势，联影联合临床机构在呼吸运动校正、自主运动管理、低剂量动态成像等领域开展深入探索，形成系列创新成果。

深度学习赋能呼吸运动校正

摘要《Respiratory motion correction for ¹⁸F-FDG data acquired on a new long axial FOV PET/CT – uMI Panorama GS》提出适用于GS系统的呼吸运动校正（RMC）方案，包含四大模块：呼吸信号检测与门控重建、深度学习衰减校正、非刚性图像配准及跨模态融合。实验显示，RMC可显著减少运动伪影，提升器官轮廓清晰度，还原病灶SUV值，结合GS系统高灵敏度，进一步降低图像噪声，提升视觉与定量准确性。

图示：未校正、外接设备校正与数据驱动校正在视觉与定量层面的对比。

自主运动管理提升图像质量

摘要《Voluntary motion management for uMI Panorama GS, a new 148-cm axial FOV PET/CT》（Oral）提出躯干与头部运动管理（TMM/HMM）技术。该方法基于深度学习分割与分布质心（COD）算法，自动识别运动区域并提取最长无运动帧（MFF），仅用约40%数据重建仍可获得高质量图像。实验证明，TMM有效消除躯干模糊，HMM精准恢复大脑结构，同时提升病灶定量准确性，为患者自由呼吸扫描提供可行解决方案。

图注：TMM与HMM扫描效果示例。

低剂量动态Patlak分析实现精准量化

摘要《Patlak parametric analysis of low-dose ¹⁸F-FDG study in uMI Panorama GS》验证GS系统在低剂量条件下的动态成像能力。通过模拟1/2至1/10剂量水平，研究发现即使在1/10剂量下，Ki参数图像仍保持较低噪声与高病灶对比度。主要器官时间-活度曲线（TAC）与全剂量结果高度一致，Ki值稳定性良好。该技术有望在儿科、纵向随访等需控制辐射剂量场景中广泛应用。

图1：不同剂量下SUV与Ki图像及MIP图；图2：TAC曲线、Ki值稳定性与Patlak拟合结果。

虚拟屏气算法优化呼吸管理

摘要《A data-driven respiratory motion management algorithm on uMI Panorama GS: virtual breath-hold》提出“虚拟屏气”（VBH）技术，结合AI驱动的呼吸信号检测、最大容许门内运动（MTIM）筛选与TVREM重建，在保留关键数据的同时抑制噪声。结果显示VBH可有效消除呼吸伪影，提升边界清晰度与SUV值，TVREM重建保障图像质量，PET-CT配准精度显著提高。

图注：无运动管理与不同MTIM条件下VBH重建图像对比。

无CT衰减校正拓展临床应用场景

摘要《CT-less attenuation correction for long axial field-of-view (LAFOV) PET/CT》提出基于深度学习的无CT衰减校正（CT-less AC）方案。该技术利用卷积神经网络从NAC-PET图像生成μ图，并引入空床模板提升精度。结果表明，CT-less AC可有效避免PET-CT错配伪影，定量结果与传统CT-AC相当，尤其适用于儿科、双示踪剂研究及需减少CT辐射的长期随访患者，显著提升LAFOV PET/CT的灵活性与安全性。