近日，西京医院核医学科汪静教授、康飞教授团队在核医学成像领域取得重要进展。其在《EJNMMI物理学》上发表的临床研究表明，一种基于深度学习的统一呼吸运动校正技术，可显著提升氟代脱氧葡萄糖PET/CT对上腹部病灶的成像质量与诊断准确性。该研究通过对100例患者的系统性分析证实，该算法可有效减少呼吸运动伪影，改善图像质量，并使病灶最大标准化摄取值平均提升21.6%，尤其对小体积、呼吸位移大的病灶效果更显著。
该技术名为uRMC，其核心优势在于无需额外设备，直接通过算法处理PET数据，同步优化运动校正、衰减校正及PET与CT图像的配准。主观盲法评估显示，该技术使多数患者的整体图像质量、病灶形态及图像配准得到改善。客观数据分析进一步发现，其可额外检出传统图像易遗漏的病灶，并纠正了部分病灶的器官定位错误，直接影响了临床分期与治疗决策，例如有病例因发现新增转移灶而修订了分期。
此项研究成果标志着呼吸运动校正技术从方法学研究迈向常规临床应用的关键一步。该技术通过提升图像清晰度、病灶检出灵敏度及定量测量准确性，为肝癌等上腹部肿瘤的早期诊断、精准分期、疗效评估及放疗靶区勾画提供了更可靠的影像学工具，展现了人工智能在推动精准肿瘤诊疗方面的切实价值。
