基于人工智能通用剂量的高质量PET图像合成模型算法研究

20251130

卫生和社会工作

PET成像技术在临床应用中，具有在保障图像质量的前提下，减少放射性示踪剂剂量和扫描时间的需求，需要一种可以将低剂量、短时间扫描得到的低质量PET图像合成为高质量PET图像的算法。现有图像合成算法多针对单一剂量条件，缺乏对不同剂量水平的泛化能力。此外，PET作为功能成像，空间分辨率的不足，常需与结合CT或MRI等结构成像结合，目前缺少能协同处理多模态图像重建的统一模型。 因此，本项目聚焦于基于人工智能通用剂量的高质量PET图像合成算法，设计了通用剂量的PET图像合成模型，并利用CT与MRI这两种结构图像的复原任务，辅助提升了PET图像复原的效果。我们首先构建了基于对抗性学习与域泛化原理的PET图像合成模型，显著提升了模型在不同剂量下的泛化能力。为进一步利用CT与MRI的结构信息辅助PET图像复原，我们提出了一种新颖的任务自适应Transformer（Task-adaptive Transformer，TAT）模型。该模型通过创新的任务自适应权重生成策略与损失平衡策略，有效解决了多任务学习中普遍存在的梯度冲突与任务不平衡问题。 实验结果表明，TAT模型在PET图像恢复任务中取得了优异性能，其PSNR达到37.31dB，SSIM达到0.9482，RMSE为0.0851，且在CT去噪、MRI超分辨以及一体化图像恢复任务上也表现出先进水平。该研究将为PET成像技术在临床应用中提供快速、低辐射、高质量的PET扫描图像，并为模型适应复杂多变的临床实际应用提供了可能，具有重要的学术价值与应用转化前景，但本研究尚未进入工程转化应用阶段，属于早期科研成果。

为加速技术转化，寻求与医疗机构、设备厂商及AI解决方案提供商建立合作，共同推进"实验室验证→多中心临床试验→医疗器械注册→产品化落地"的全链条转化路径。对合作方的核心要求包括：三甲医院需提供多剂量水平临床数据与验证环境；设备制造商需开放接口并支持工程化集成；AI企业需具备云边协同部署与商业化能力。项目总资金需求400万元，将重点投入临床数据构建、计算设备、注册认证等环节。合作需提供80平方米以上研发场地、高性能计算设备及符合医疗数据安全的处理环境，并组建包含医学AI工程师、注册专员及临床专家的专业团队。预期获取NMPA二类医疗器械注册证，实现与主流PET设备的集成部署，在降低患者辐射剂量的同时保障诊断图像质量，推动国产医疗水平更上一步台阶。

仅限国内转让

利用人工智能的方法构建通用剂量的高质量PET图像合成模型，可以在满足图像质量和诊断标准的前提下，降低放射性示踪剂剂量并缩短扫描时间。该研究具有以下三方面的意义：其一，降低放射性示踪剂剂量可以减少电离辐射对患者的伤害，尤其是儿科患者和需多次扫描监测肿瘤的患者；其二，缩短扫描时间能增大医院医疗设备的吞吐量并降低使用成本；最后域泛化研究为PET图像合成算法在多中心、跨平台环境提供了保障，有利于实现技术的产业转化。

北京市自然科学基金本科生“启研”计划

北京市科学技术委员会;中关村科技园区管理委员会

PET成像技术在临床应用中，具有在保障图像质量的前提下，减少放射性示踪剂剂量和扫描时间的需求，需要一种可以将低剂量、短时间扫描得到的低质量PET图像合成为高质量PET图像的算法。现有图像合成算法多针对单一剂量条件，缺乏对不同剂量水平的泛化能力。此外，PET作为功能成像，空间分辨率的不足，常需与结合CT或MRI等结构成像结合，目前缺少能协同处理多模态图像重建的统一模型。 因此，本项目聚焦于基于人工智能通用剂量的高质量PET图像合成算法，设计了通用剂量的PET图像合成模型，并利用CT与MRI这两种结构图像的复原任务，辅助提升了PET图像复原的效果。我们首先构建了基于对抗性学习与域泛化原理的PET图像合成模型，显著提升了模型在不同剂量下的泛化能力。为进一步利用CT与MRI的结构信息辅助PET图像复原，我们提出了一种新颖的任务自适应Transformer（Task-adaptive Transformer，TAT）模型。该模型通过创新的任务自适应权重生成策略与损失平衡策略，有效解决了多任务学习中普遍存在的梯度冲突与任务不平衡问题。 实验结果表明，TAT模型在PET图像恢复任务中取得了优异性能，其PSNR达到37.31dB，SSIM达到0.9482，RMSE为0.0851，且在CT去噪、MRI超分辨以及一体化图像恢复任务上也表现出先进水平。 本研究提出的任务自适应权重生成策略与损失平衡策略提供了解决多任务学习中梯度冲突与任务不平衡问题的方案。利用多中心、跨模态图像信息实现高质量PET图像恢复的方法为提升单一模态图像恢复效果提供了新思路。开源的代码为后续研究提供了基础。 本研究提出的模型不仅能有效降低患者所受的辐射剂量、缩短扫描时间、提升医疗设备流转效率，其多剂量和多模态的恢复能力也为算法在多中心、跨平台的临床转化与产业化应用奠定了坚实基础。