PET-CT图像重建算法解析:OSEM与PSF如何让图像更清晰
很多人以为,做了 PET-CT 检查,机器"拍"下来的就是最终看到的图像。其实探测器记录到的只是大量符合事件形成的原始数据,必须经过"图像重建"这一步,才能变成医生在屏幕上看到的断层图像。简单来说,重建算法就是决定这些原始数据如何"翻译"成图像的规则,它的好坏直接影响图像的清晰度与定量准确性。
从解析法到迭代重建
早期的滤波反投影(FBP)属于解析法,计算速度快,但对噪声敏感,图像颗粒感较明显。如今 PET-CT 普遍采用迭代重建:算法先给出一个初始估计,再反复与实测数据比较并修正,逐步逼近真实分布。其中应用最广的是有序子集期望最大化(OSEM),它把符合数据分成若干子集轮流更新,既加快收敛又降低噪声,已成为现代设备的常规选择。由于考虑了数据的统计噪声特性,迭代重建在低计数、高噪声条件下表现更稳定,图像质量也更均匀。
PSF点扩散函数校正的作用
探测器本身的响应会使点源在图像上"摊开",造成分辨率下降。PSF(点扩散函数)校正在重建中对这种模糊进行建模与补偿,让 PET-CT 图像边缘更锐利,有助于显示和检出较小的病灶。在临床上,这类校正对检出肺部或肝脏内较小的转移灶有一定帮助,但也可能让图像看起来更"锐",需要阅片医生熟悉本院的图像特点,校正强度设置过高时还可能出现边缘过冲,需要在实际应用中权衡。
重建算法升级对PET-CT检查的意义
更好的重建算法让 PET-CT 在低剂量扫描下也能获得可诊断的图像,对需要多次复查的肿瘤患者和儿童受检者尤其有价值。同时,算法会影响 SUV 等定量参数,不同设备、不同重建版本之间的数值不宜直接比较,医生解读报告时通常会结合本院的参考区间综合判断,必要时还会参考前后检查的一致口径。
算法设置与图像质量的平衡
迭代次数、子集数量以及滤波器的强度等重建参数,都会影响图像的噪声水平与细节表现。重建过度会让图像显得过于平滑,可能掩盖小的异常摄取;重建不足则噪声偏大,影响判读。因此,各中心通常会根据设备特性与阅片习惯设定一套相对稳定的参数,并尽量保持前后检查的一致性,以便观察病灶的细微变化。
- 国家卫生健康委员会《核医学诊疗技术操作规范》
- 中华医学会核医学分会 PET/CT 临床应用指南
- 中国抗癌协会肿瘤影像专业委员会相关专家共识