基于Dixon MRI和组织成分先验知识的体素内照射剂量评估新方法：组织物理密度推导与验证

编辑推荐：为解决MR图像缺乏组织物理密度(ρ)信息导致核医学内照射剂量计算难题，中国医科大学与台北荣总团队创新性提出基于Dixon MRI水脂分离技术和标准组织成分的ρ推导方法，建立23个体素S值(VSV)数据库。验证显示该方法全身体素密度平均绝对误差仅5.97%，剂量计算误差2.75%，显著优于生成对抗网络(GANs)，为PET/MR精准剂量评估提供新范式。

　　在精准医疗时代，核医学诊疗中的个性化内照射剂量评估面临着一个关键瓶颈——传统依赖CT图像获取组织物理密度的方法，在MR整合的核医学应用中遭遇技术壁垒。磁共振成像(MRI)虽能提供优异的软组织对比度，但其信号强度与组织物理参数之间缺乏直接转换关系，这就像拥有精密地图却缺少海拔数据，使得PET/MR等先进设备的剂量计算陷入"盲人摸象"的困境。现有解决方案各存局限：基于图谱的方法受限于解剖结构匹配度，深度学习需要海量训练数据，而常规Dixon图像分割法对骨骼和肺部等异质性组织束手无策。面对这一挑战，中国医科大学与台北荣总医院的研究团队独辟蹊径，在《EJNMMI Physics》发表的研究中，开创性地将标准组织成分先验知识与Dixon MRI水脂分离技术相结合，构建了一套无需额外序列、不依赖大数据训练的物理密度推导体系。

研究采用29例同日采集的全身PET/CT和Dixon MRI数据，通过创新性的技术路线实现突破：首先运用乘性本征成分优化(MICO)算法进行图像偏置校正，基于水/脂体积分数图将人体组织划分为软组织、骨骼和含气组织三类；进而定义肌肉、脂肪、皮质骨和空气四种基础组织，利用已知标准成分计算各体素物理密度；同步建立包含23个VSV的数据库，采用蒙特卡洛模拟(MC)计算18F核素衰变产生的β⁺粒子和湮灭光子剂量分布；最终与生成对抗网络(cGAN/UNIT)方法进行对比验证。关键技术包括Dixon图像的多参数分析、基于TotalSegmentator的自动解剖分割、以及多体素S值(MSV)剂量计算体系。

研究结果展现出三大创新发现：在物理密度推导方面，提出的方法全身体素平均绝对误差(MAPE)仅14.28%，排除肠气干扰后降至5.97%，显著优于最佳GANs方法的8.58%。特别在传统难点区域——骨骼和肺部的密度计算中，分别实现9.2%和33.22%的MAPE，而GANs在肺部误差高达286.99%。剂量计算精度方面，全身体素剂量率误差仅3.31%，关键剂量器官如骨骼和肺部分别为4.78%和15.14%。线性回归分析显示，该方法推导的ρ值与CT参考值在全身(除肠气)的R²达0.87，显著高于GANs的0.19-0.73。训练集与验证集表现的稳定性证实了方法的鲁棒性。

讨论部分揭示了该研究的双重突破：方法论上，首次实现仅用常规Dixon序列即可准确推导异质性组织密度，通过基础组织成分模型解决了骨髓等复杂组织的参数计算难题；临床应用上，为PET/MR提供了即插即用的剂量评估方案，特别在177Lu-DOTATATE等骨髓毒性治疗中展现潜力。尽管存在呼吸运动伪影和肠气位移等局限，但相比需要专用序列(如UTE/ZTE)或大数据训练的方法，这种基于组织成分先验知识的解决方案更具普适性。未来通过提高空间分辨率、结合呼吸门控技术，有望进一步优化肺部等移动器官的评估精度。

这项研究标志着MR-based剂量学从"定性补偿"迈向"定量精准"的关键一步，其建立的物理密度推导框架和VSV数据库，不仅为核医学诊疗提供新工具，更开创了基于组织成分先验知识的医学图像解析新范式。随着MR引导放疗等技术的发展，这种不依赖CT的剂量计算方法或将重塑精准放射治疗的实施标准。