27個物種，解開跨越數億年的“心動”密碼

　　中國科學院深圳先進技術研究院研究員胡戰利等與合作者提出了計數感知擴散與門控自回歸推理的新型人工智能（AI）框架，針對性解決了低劑量、超快速正電子發射計算機斷層掃描（PET）中有效信號不足引發的圖像噪點多、細節模糊、定量數據偏差等關鍵問題，提升了PET圖像清晰度與檢測準確度。相關研究近日發表于《醫學圖像分析》。

　　PET能夠觀察人體代謝和分子活動，在腫瘤診斷和療效評估中發揮重要作用。臨床希望在保證圖像質量的同時，盡可能降低示蹤劑用量并縮短掃描時間。但采集時間縮短或注射活度降低后，可利用的信號隨之減少，容易造成圖像噪聲增加、細節模糊和定量結果不穩定。

　　針對這些問題，研究團隊提出了“計數感知擴散與門控自回歸推理”新型AI框架。簡單來說，第一步是給擴散模型加上一把反映PET采集條件的“計數尺”。模型不再只依賴通用的噪聲設定，而能夠根據不同低計數程度選擇更合適的恢復路徑。第二步是讓圖像恢復過程具備“記憶能力”。模型在恢復圖像時不再“每一步都從頭判斷”，而是能夠參考前面已經找到的結構和對比信息，逐步減少噪聲、恢復細節，使生成的PET圖像更加穩定地接近標準計數參考。

　　該研究共納入了4家醫院的全身PET/計算機斷層掃描（CT）數據，并通過不同采集時長構建不同程度的低計數PET。結果顯示，對于3秒采集的低計數圖像，該方法能夠明顯降低噪聲、改善圖像清晰度和定量準確性；即使面對訓練階段未使用過的1秒極低計數圖像，也保持了較好的增強效果。在山東、廣東珠海和湖北武漢3個獨立中心的測試中，該方法在不同采集時長下同樣表現穩定，顯示出一定的跨醫院、跨數據分布適應能力。

　　未來，研究團隊將進一步在真實低注射活度PET數據、不同型號掃描設備以及不同示蹤劑中開展驗證，并繼續提升三維圖像處理和推理速度，讓低計數PET在減少輻射劑量、縮短檢查時間的同時，能提供穩定可靠的影像信息，為更加安全、高效的PET檢查提供技術支持。

　　相關論文信息：https://doi.org/10.1016/j.media.2026.104265