简介：摘要目的比较不同β值重建经部分容积效应校正(PVC)后对68Ga-前列腺特异膜抗原(PSMA)PET/CT半定量准确性和图像质量的影响。方法在模型实验中，基于正则化重建算法(BSREMA)，β值从100~1 000进行图像重建。计算恢复系数(RC)、对比度恢复(CR)和背景变异性(BV)分别评估半定量准确性和图像质量。在临床研究中，回顾性收集山西医科大学第一医院2019年3月至2020年2月间行68Ga-PSMA PET/CT检查的21例前列腺癌患者(年龄45~78岁)的图像数据，共计29个腹部显像阳性淋巴结，全部纳入进行不同β值(100~1 000)的图像重建，并分为小淋巴结组(最大径<10 mm；12个)和大淋巴结组(10 mm≤最大径≤30 mm；17个)。测量2组的SUV参数，包括SUVmax、SUVmean和SUV峰值(SUVpeak)；同时进行PVC来评估不同β值对2组SUV参数的影响，使用病灶信噪比(SNR)和主观评分评价图像质量。采用两独立样本t检验、Kappa检验和Pearson相关分析数据。结果模型实验示，随着β值增加，CR、RC和BV均下降。医师对图像质量、图像清晰度、病变显著性和图像总评分均显示出较强的一致性(Kappa值：0.65~0.87，P值：0.026~0.043)。对于小淋巴结组，β值为600时图像总评分最高(分别为13和14分)；对于大淋巴结组，β值为700时图像总评分最高(分别为13和14分)。β值为100~600时，2组的SNR稳定增加，SNR增加量差异均有统计学意义(t值：2.49~8.99，P值：0.023~0.038)；当β值大于600时，小淋巴结组的SNR达到平稳(t值：1.28~2.00，P值：0.072~0.098)，而大淋巴结组的SNR继续增加(t值：2.98~4.63，P值：0.012~0.029)。PVC之前，2组SUV参数和β值之间呈负相关(r值：-0.94~-0.64，P值：0.039~0.046)；PVC后，2组的SUVmean和SUVmax和β值仍呈负相关(r值：-0.78~-0.68，P值：0.035~0.042)，但2组的SUVpeak和β值相关性无统计学意义(r值：-0.22、-0.28，P值：0.069、0.126)。结论通过主观评分和半定量指标，68Ga-PSMA PET/CT显像基于BSREMA选择β值600和700进行图像重建半定量准确性和图像质量较好；小病灶在PVC后SUVpeak稳定，其临床价值应进一步探索。

简介：摘要目的通过深度学习(DL)PET图像重建方法，提升不同采集时间18F-脱氧葡萄糖(FDG)PET图像质量。方法回顾性分析2020年9月至10月间山西医科大学第一医院核医学科45例恶性肿瘤患者[男20例、女25例，年龄(52.0±13.6)岁]PET图像。选择原始列表模式PET数据的短时30 s/床位PET图像作为输入，采用Unet网络，以全剂量标准采集时间(3 min)PET图像为模型判别标准，建立DL图像重建模型，以预测全剂量PET图像。分别对DL、30 s、90 s和120 s 4组图像进行图像质量评估及定量分析。采用5分法主观评估4组的图像质量。分别测量各组图像肝本底及肿瘤病灶定量参数：最大标准摄取值(SUVmax)、平均标准摄取值(SUVmean)、标准差(SD)、信噪比(SNR)、对比度噪声比(CNR)及一阶纹理特征(偏度、峰度、均匀度和熵)。采用Kappa检验、χ2检验、单因素方差分析(最小显著差异t检验)进行数据分析。结果4组图像质量评分具有高度一致性(Kappa＝0.799，P<0.001)，DL组评分≥3分共6例，30 s、90 s和120 s组评分≥3分别有4、7和8例(χ2＝125.47，P<0.001)。DL组肝SD明显低于30 s组(0.26±0.07与0.43±0.11；F＝3.58，t＝-7.91，P<0.05)，SNR高于30 s组(11.04±4.36与5.41±1.41；F＝10.22，t＝5.40，P<0.05)；DL组肝SD及SNR与90 s组一致(0.39±0.16, 8.46±3.34；t值：-0.87和2.17，均P>0.05)。在18个高摄取肿瘤病灶中，DL组病灶SNR及CNR均高于30 s组(60.21±29.26与38.38±16.54，22.26±15.85与15.41±9.51；F值：13.09和7.05，t值：5.20和4.04，均P<0.001)。4组肝一阶纹理特征差异有统计学意义(F值：4.30~9.65，均P<0.05)，但DL组与120 s组间差异无统计学意义(t值：-1.25~0.15，均P>0.05)。结论DL重建模型能较好地改善短帧PET图像质量，可以满足临床诊断、疗效评估和组学研究的需求。

简介：摘要目的比较18F-脱氧葡萄糖(FDG)PET/CT的4种重建算法对肺结节标准摄取值(SUV)的影响。方法回顾性收集2018年2月至2019年7月在山西医科大学第一医院行18F-FDG PET/CT检查的46例实性肺结节患者[男27例，女19例，中位年龄66(44～82)岁]的PET/CT图像，采用有序子集最大期望值迭代法(OSEM)、OSEM＋飞行时间(TOF)、OSEM＋TOF＋点扩散函数(PSF)及正则化算法(BSREM)进行图像重建(方法依次以G1～G4表示)，通过视觉和半定量方法分析肺结节及背景参数。根据肺窗所测结节直径，分为小结节(直径≤10 mm)和大结节(10 mm<直径≤30 mm)。行Kruskal-Wallis秩和检验及Bonferroni法分析不同算法间SUV的差异，行Spearman相关分析探讨SUV变化率(%ΔSUV)与结节直径的相关性，行受试者工作特征(ROC)曲线分析探讨SUV对肺结节良恶性的诊断效能。结果共114个结节，大结节55个，小结节59个。在视觉分析中，G4较G1～G3的小结节视觉检出率分别提高了55.93%(33/59)、44.07%(26/59)和20.34%(12/59)。在114个肺结节中，最大SUV(SUVmax)、平均SUV(SUVmean)在不同算法间比较差异有统计学意义(中位SUVmax ：2.65～5.29，中位SUVmean：2.05～2.99；H值：20.628和17.749，均P<0.001)，G4对G1的SUVmax(中位数分别为5.29和2.65)和SUVmean(中位数分别为2.99和2.05)有明显提升(均P<0.001)。%ΔSUVmax(中位数：4.45%～52.96%)、%ΔSUVmean(中位数：1.69%～47.56%)与结节直径呈负相关[9.75(6.20，16.58) mm；rs值：－0.371～－0.354、－0.371～－0.320，均P<0.001]。在59个小结节中，G4对G1的SUVmax(中位数分别为4.05和2.14)有明显提升(H＝18.327, P<0.001)，G4对G1和G3的SUVmean (中位数分别为2.31、1.26和1.53)有提升作用(H＝16.808，均P<0.05)。在55个大结节中，SUV在不同算法间的差异无统计学意义(H值：0.812～7.290，均P>0.05)。G1～G4的SUVmax诊断良恶性的最佳截断值分别为4.335、5.185、5.410、5.745，曲线下面积(AUC)分别为0.747、0.699、0.756和0.778，四者的SUVmean及SUVpeak最佳截断值对应的AUC也显示出类似趋势。结论在4种重建算法中，BSREM可明显提高图像质量和直径10 mm以下肺结节的SUVmax及SUVmean，其SUV良恶性诊断阈值应适当上调。