中山大学联合深圳先进院实现PET/MR智能衰减校正技术突破

基于AI模型从非衰减校正PET图像生成高质量MR定位图与校正图像

近日，中山大学肿瘤防治中心核医学科樊卫主任、张旭副主任与中国科学院深圳先进技术研究院合作完成的研究成果《Synthesizing PET/MR (T1-weighted) images from non-attenuation-corrected PET images》在国际权威期刊《Physics in Medicine and Biology》发表。樊卫主任、胡战利研究员、梁栋研究员为共同通讯作者，张旭副主任与蒋昌辉博士为共同第一作者。该研究基于联影医疗一体化PET/MR设备uPMR 790进行数据采集，创新性地采用多任务人工智能模型，**首次实现仅通过单次PET扫描即可完成智能衰减校正并生成MR解剖定位图像**，标志着AI赋能医学影像领域取得重要进展。这也是中山大学肿瘤防治中心、深圳先进院与联影医疗在PET/MR智能化方向合作的首个成果转化。目前临床PET成像需依赖CT或MR提供解剖结构信息，并用于衰减校正。然而，PET-CT存在电离辐射风险，PET/MR则扫描时间长、舒适度低，且对体内有金属植入物（如心脏起搏器、支架等）的患者存在检查禁忌。为此，三方团队联合提出一种基于生成对抗网络（GAN）的多任务深度学习模型，可从原始非衰减校正PET图像（NAC PET）中去除噪声和伪影，同步生成衰减校正后的PET图像（sAC PET）及对应的MR解剖图像（sMR）。研究采用Wasserstein距离替代传统Jensen-Shannon散度，有效解决了GAN训练过程中收敛不稳定的问题，确保在低维流形分布下仍能稳定训练。同时引入迁移学习策略，利用预训练权重加速模型收敛，提升训练效率。实验结果显示，由该模型生成的sAC PET和sMR图像与真实AC PET及MR图像高度相似，能够准确反映组织代谢与解剖结构信息，辅助医生精确定位病灶（图3）。此项技术已申请国家发明专利，具备良好的临床转化前景。该方法无需额外进行MR或CT扫描，有望显著降低患者检查成本与辐射暴露，提高诊疗效率，尤其适用于无法耐受长时间扫描或存在MR禁忌的患者群体。联影医疗依托uPMR 790平台持续构建uSync产学研医协同创新生态，整合国内顶尖科研与临床资源，推动PET/MR前沿技术向临床应用转化，全面提升医疗科技创新价值。本研究获国家自然科学基金优秀青年基金、深圳市杰出青年基金及广东省磁共振与多模态成像重点实验室项目支持。