编辑推荐：
为解决低剂量 PET（L-PET）图像因噪声高、对比度低和伪影多影响诊断的问题，研究人员开展基于 Diffused Multi-scale Generative Adversarial Network（DMGAN）的 L-PET 图像重建研究。结果显示，该方法在定量和定性评估中表现优异，为减少辐射暴露且维持诊断性能提供可能。
在医学影像的世界里，正电子发射断层扫描（PET）堪称一颗璀璨的 “明星”。它能够敏锐地捕捉到人体生化和生理的微妙变化，在手术导航、医学评估和临床检查等诸多方面都发挥着关键作用。比如在癌症的早期诊断中，PET 可以在癌细胞刚刚出现代谢异常时就发出 “警报”，比传统的解剖学成像手段更早发现问题。然而，PET 也有一个 “致命弱点”—— 辐射暴露。就像一把双刃剑，它在为医生提供关键诊断信息的同时，也可能给患者带来潜在的健康风险，增加患癌几率等。为了降低辐射风险，低剂量 PET（L-PET）图像应运而生。但 L-PET 图像就像是被 “蒙上了一层雾”，噪声多、对比度差、伪影明显，这让医生们在诊断时困难重重。如何让 L-PET 图像既减少辐射，又能保持良好的诊断效果，成为了医学影像领域亟待攻克的难题。
浙江大学等机构的研究人员勇挑重担，开展了基于 Diffused Multi-scale Generative Adversarial Network（DMGAN）的 L-PET 图像重建研究。他们希望通过这一创新技术，让 L-PET 图像 “重见天日”，实现辐射暴露和诊断性能之间的完美平衡。最终研究表明，该方法表现卓越，在与其他方法的对比中脱颖而出。这一成果发表在《BioMedical Engineering OnLine》上，为医学影像领域带来了新的曙光。
研究人员采用的主要关键技术方法包括：利用生成对抗网络（GAN）的基本原理构建模型架构。以 45 例癫痫患儿的脑部 PET 扫描数据为样本队列，其中包含低剂量和全剂量的 PET 图像。在实验过程中，通过计算结构相似性指数（SSIM）和峰值信噪比（PSNR）等指标评估模型性能。
实验设置
研究人员将收集到的 45 例癫痫患儿的 PET 图像数据集进行处理，把三维的脑部图像转化为 256×256 的二维脑图像切片，这样能更聚焦关键空间特征，降低数据复杂度，方便后续网络模型训练。接着，他们把数据集随机分成训练集（80%）、验证集（10%）和测试集（10%），以保证数据的多样性和代表性。为了确保实验结果的准确性，他们将 DMGAN 方法与 cGAN、CycleGAN 和 transGAN 等方法进行对比，并为所有实验方法设置相同的随机种子，利用 Pytorch 库在 NVIDIA RTX 4090 GPU 上开展实验，批量大小设为 1，训练轮数设为 300，最后通过定性评估和定量测量来综合评价各方法的性能。
定量评估
从定量评估结果来看，DMGAN 方法在 PSNR 和 SSIM 这两项关键指标上成绩斐然。与其他方法相比，DMGAN 的 PSNR 得分至少提高了 6.2%，SSIM 得分也达到了 0.911±0.002，这表明 DMGAN 生成的图像在定量指标上与原始全剂量 PET（F-PET）图像更为相似，能更精准地还原图像信息。
定性评估
在定性评估环节，通过随机选取样本对比发现，DMGAN 生成的图像在结构细节上比其他方法更加准确。研究人员还邀请了经验丰富的核医学医生参与评估，医生根据生成的 F-PET 图像中大脑代谢细节对图像质量进行 5 分制评分。结果显示，DMGAN 的评分高于其他对比方法。此外，通过计算生成图像与原始 F-PET 图像的伪彩色差异图发现，DMGAN 生成的图像在体素尺度上与原始图像差异最小，在癫痫病灶的描绘上更加清晰，代谢强度分布也更准确。
消融研究
为了验证 DMGAN 中各个模块的有效性，研究人员进行了消融研究。他们分别去掉扩散生成器和 u-net 判别器等关键模块进行实验，结果发现去掉这些模块后，PSNR 和 SSIM 等指标值均有所下降，下降幅度超过 0.04，这充分证明了每个模块在 DMGAN 方法中都发挥着重要作用。
研究结论和讨论部分指出，DMGAN 在 L-PET 图像重建方面表现出色，相比 L-PET 图像，其 PSNR 提升了 38.6%，SSIM 提升了 24.6%；与 cGAN、CycleGAN 和 transGAN 相比，PSNR 分别提升约 24.2%、25.1% 和 6.2%，SSIM 分别提升 9.6%、9.9% 和 1.6%。这意味着 DMGAN 能够有效将 L-PET 图像转换为高质量的 F-PET 图像，在减少辐射暴露的同时，最大程度地保留了诊断性能。然而，该研究也存在一些局限性，比如对硬件资源要求较高，在资源受限的临床环境中运行速度可能较慢；目前该方法仅针对 PET 图像，通用性有待提高。但总体而言，这项研究为医学影像领域开辟了新的道路，为降低患者辐射暴露、提高诊断准确性提供了极具价值的解决方案，有望在未来的临床实践中得到广泛应用，推动医学影像技术的进一步发展。
