European Radiology：如何通过静态PET获得动态Ki参数图像？

肺癌是全球癌症死亡的主要原因之一，其发病率和死亡率都呈现出上升趋势。肺癌的诊断和治疗对医疗卫生有重大影响。2-脱氧-2-[18F]氟-D-葡萄糖（2-[18F]FDG）PET/CT是肺癌患者诊断及评估的一线影像学工具，具有较高的检测率和可靠的分期，有助于通过测量代谢肿瘤细胞的活性来评估对治疗的反应。与解剖学反应指标相比，使用实体瘤PET反应评价标准获得的PET代谢反应是一个更准确和有效的肿瘤反应预测

PET扫描仪的时间分辨率受制于重合光子检测的计数统计。由于注射活动有限，PET数据通常具有较低的计数统计量，导致重建图像的信噪比降低。为了克服这一限制，研究开发了一个194厘米长的PET/CT扫描仪，可以一次性扫描整个病人的身体，具有超高的灵敏度，有利于进行更准确的示踪剂动力学

标准化摄取值（SUV）是一个半定量参数，常规用于肿瘤摄取定量，在常规静态2-[18F]FDG PET图像上测量并在示踪剂注射后60分钟获得，采集时间约10分钟。然而，SUV的定量准确性受到多种因素的影响，其中包括整个采集过程中测量时间和血浆中示踪剂浓度的变化。净流入率Ki是量化2-[18F]FDG PET的一个更准确的参数，可以通过使用动脉输入函数和动态PET图像的示踪剂动力学模型获得。动力学分析的额外好处是可以获得与肿瘤生物学和分化有关的糖代谢信息。例如，Ki常数可以反映示踪剂被目标组织代谢的速度。然而，Ki的获取需要长时间的扫描（≥60分钟）以进行参数化成像和动力学建模，以及连续的动脉血采样或图像衍生的血液活动以确定输入函数。与最先进的全身静态PET扫描（持续时间<10分钟）相比，漫长的采集方案严重限制了参数成像的临床应用。此外，在长时间的动态扫描中，图像质量可能会受到病人运动的影响。

近日，发表在European Radiology杂志的一项研究提出了直接使用静态PET图像通过深度学习来合成Ki参数图像，合成的Ki图像可以为临床医生提供一个额外的定量参考，以获得更好的诊断指示而不需要进行实际的动态扫描。

研究纳入了203名参与者的成像数据，并引入了一个改进的循环生成对抗网络，结合挤压和激发注意力区块来学习静态PET和Ki参数化图像之间的潜在映射关系。通过使用一些物理和临床指标，对合成图像的质量进行了定性和定量评估。同时，对合成图像还进行了相关性和一致性的统计分析。 

与其他网络相比，研究提出的网络所合成的图像在定性和定量评价、统计分析和临床评分方面都表现出卓越的性能。呀就合成的Ki图像与标准动态PET实践中获得的Ki图像具有显著的相关性（皮尔逊相关系数，0.93）、一致性和出色的定量评价结果。 

 图 临床医生对由不同网络合成的Ki图像和真实Ki图像的评分

本项研究表明，利用研究提出的深度学习方法可以从肺部的全身静态PET图像中合成高质量的动态PET参数化Ki图像。合成的Ki图像与真实的Ki图像具有显著的一致性和相关性，以及出色的定量物理和临床评估结果，并允许对现有的分子成像进行进一步的定量评估，可以适用于广泛的PET应用。

原文出处：

Haiyan Wang,Yaping Wu,Zhenxing Huang,et al.Deep learning-based dynamic PET parametric Ki image generation from lung static PET.DOI:10.1007/s00330-022-09237-w