深度学习赋能 PET 图像心脏精准分割：突破心血管核医学成像瓶颈

心血管 PET/CT 成像中，CT 分割存在与 PET 摄取不匹配、低剂量 CT 下 DL 模型性能不稳定等问题。研究人员开展基于深度学习（DL）直接分割心脏 PET 图像的研究，开发出自动分割流程，能精准分割心脏及组件，为心血管疾病诊断提供可靠依据。

　　在现代医学的舞台上，心血管疾病犹如一颗 “定时炸弹”，严重威胁着人们的健康。心血管 PET/CT 成像技术作为诊断心血管疾病的 “得力助手”，在评估心肌活力、灌注以及运动异常等方面发挥着重要作用。通过对 PET 图像的定量分析，医生能够计算出诸如 Alavi-Carlsen 钙化评分等关键指标，为临床诊断和患者预后判断提供有力支持。

然而，这一技术在实际应用中却遭遇了重重阻碍。PET 图像定量分析的关键在于可靠的分割，但现有的基于 CT 图像的分割方法却存在诸多弊端。一方面，由于 PET 和 CT 图像获取时患者的运动，导致两者之间存在不匹配的情况，使得基于 CT 图像生成的分割结果难以准确反映 PET 图像中心脏的真实情况。另一方面，在临床常用的低剂量或超低剂量 CT 图像中，深度学习（DL）模型的表现也差强人意。这些低剂量 CT 图像存在对比度不足、噪声大等问题，使得 DL 模型难以准确区分心肌和心脏腔室，严重影响了分割的准确性。因此，开发一种可靠的、不依赖 CT 图像的心脏 PET 分割方法迫在眉睫。

为了解决这些难题，来自日内瓦大学医院（Geneva University Hospital）等机构的研究人员勇挑重担，开展了一项极具创新性的研究。他们的研究成果发表在《Journal of Imaging Informatics in Medicine》上，为心血管核医学成像领域带来了新的曙光。

研究人员在本次研究中主要采用了以下关键技术方法：

1. 数据准备：收集了 146 名患者的 406 张心脏 PET 图像，包括 43 张¹⁸F-FDG、329 张¹³N-NH₃和 37 张⁸²Rb 图像。这些图像均采集于瑞士日内瓦大学医院的三台不同西门子 PET/CT 扫描仪。
2. 模型训练：利用之前训练好的 nnU-Net 模型在 CT 图像上对整个心脏以及左心肌（LM）、左心室腔（LV）和右心室（RV）等主要心脏组件进行分割。将分割结果重采样到 PET 分辨率，并通过自动图像处理和手动校正相结合的方式进行编辑。之后，将校正后的分割掩码和 SUV PET 图像输入 nnU-Net V2 管道，采用五折数据分割策略训练两个任务模型，分别用于全心脏分割和三个心脏组件的分割。
3. 模型评估：使用 Dice 系数、Jaccard 距离、平均表面距离和段体积相对误差（%）等指标，将 DL 分割的掩码与参考标准掩码进行比较。同时，通过纳入门控心脏 PET 图像和动态病例，检验模型的鲁棒性。

研究人员通过一系列实验，得出了以下重要结果：

1. 理解性能不佳的原因：测试了两种公开可用的基于 DL 的 CT 心脏分割管道，发现模型在对比增强的标准剂量 CT 图像上表现出色，但在低剂量和超低剂量 CT 图像上表现不稳定。即使输入随机图像，模型也能生成类似心脏组件形状的分割掩码，这表明基于形状特征的 DL 分割在处理低质量 CT 图像时存在局限性。
2. PET-only 分割解决方案：全心脏分割任务（任务 #1）在五折内部验证集中的平均 Dice 系数为 0.932±0.033，15 个外部病例的平均 Dice 系数为 0.941±0.018，两者相当。心脏组件分割任务（任务 #2）中，LM、LV 和 RV 在五折验证中的平均 Dice 系数分别为 0.88±0.063、0.828±0.091 和 0.876±0.062。不同放射性示踪剂获取的图像之间以及不同折叠之间的 Dice 系数均无统计学显著差异（P 值 >>0.05）。LV 腔分割的总体平均体积预测误差小于 2%。此外，模型在非均匀摄取、动态第一过噪声图像等情况下也表现出良好的性能。

在研究结论和讨论部分，研究人员指出，基于 CT 的心脏分割在临床应用中存在诸多限制，而他们开发的基于 PET 图像的 DL 分割管道具有显著的临床实用性。该管道能够准确分割心脏及组件，可应用于多种临床场景，如使用门控心脏 PET 图像量化左心室射血分数（LVEF）和壁运动异常、评估心肌血流和首过成像、在 CT 图像质量不足或不可用时进行准确量化、直接比较不同示踪剂的摄取情况等。与其他方法相比，该研究的方法实现了全自动分割，直接处理原始 PET 数据，避免了手动预处理步骤。不过，研究也存在一定局限性，如训练数据量相对较小，且图像均来自西门子 PET/CT 扫描仪，未来需要在更大数据集和其他制造商的图像上进行进一步测试。

总的来说，这项研究成功开发出一种基于 PET 图像的心脏分割管道，为心血管核医学成像提供了一种可靠的解决方案，有望推动心血管疾病诊断技术的进一步发展，帮助医生更准确地诊断和治疗心血管疾病，拯救更多患者的生命。