迈向标准化：脑部PET图像部分容积校正下放射组学特征可重复性评估

为解决脑PET成像中放射组学特征受部分容积校正(PVC)方法和解剖区域影响的问题，研究人员系统评估了6种PVC方法在21个脑区对93个放射组学特征(First Order/GLCM/GLRLM等)的可重复性。结果表明RVC和RL方法结合GLCM/GLDM特征在 cerebellum等区域展现最佳稳定性(ICC≥0.9)，为临床标准化提供关键依据。

　　

在精准医疗时代，脑部正电子发射断层扫描(PET)成像的放射组学分析为神经退行性疾病和肿瘤的早期诊断带来新希望。然而，这项技术的临床应用始终面临一个关键瓶颈——提取的定量特征容易受到图像处理流程的影响，尤其是部分容积效应校正(PVC)方法的选择会显著改变特征值。更棘手的是，不同脑区由于解剖结构复杂度的差异，特征稳定性可能存在巨大差别。这种"方法依赖"和"区域依赖"的双重变异性，使得研究结果难以跨中心比较，严重阻碍了放射组学的标准化进程。

为解决这一难题，瑞士日内瓦大学医院(H?pitaux Universitaires de Genève)的研究团队开展了一项系统性研究。他们创新性地将6种主流PVC方法(包括RVC、RL、RBV等)与21个关键脑区的93个放射组学特征进行组合分析，通过变异系数(COV)和组内相关系数(ICC)两大指标，首次绘制出脑PET放射组学"稳定性图谱"。这项发表在《NeuroImage》的重要成果，为建立可靠的影像组学分析框架提供了实证基础。

研究团队采用多模态PET/MR数据，对76例认知障碍患者进行[¹⁸F]flutemetamol扫描。通过volBrain软件实现全脑自动分割，使用PETPVC工具箱实施6种PVC处理，并基于PyRadiomics提取6大类特征(First Order/GLCM/GLRLM/GLSZM/GLDM/NGTDM)。统计模型采用双因素随机效应ICC分析，全面评估方法间和区域间变异。

方法学比较揭示关键差异
结果显示：经典的去卷积方法RVC和RL表现最优，60%以上特征达到COV<25%且ICC≥0.75；而MTC和PLS方法导致特征变异最大。特别值得注意的是，未校正的PET图像中GLCM-Correlation等特征本身就展现高稳定性，提示部分应用场景可能无需PVC。

特征类别稳定性分层
纹理特征中，GLCM和GLDM最为稳健，如DependenceNonUniformity的ICC达0.92；而NGTDM特征如Complexity稳定性最差(ICC<0.5)。First Order特征呈现两极分化：Mean/Median等基础指标稳定，但Range/Maximum易受异常值影响。

脑区特异性规律
小脑(cerebellum)和舌回(lingual gyrus)等结构均匀区域特征重现性最佳(ICC≥0.9)；而梭状回(fusiform gyrus)和脑干(brainstem)等复杂区域稳定性差。中间表现区域如额中回(middle frontal gyrus)需谨慎选择特征。

这项研究的重要意义在于首次建立了脑PET放射组学的"方法-特征-区域"三维稳定性框架。临床实践中，推荐优先采用RVC/RL结合GLCM/GLDM特征分析小脑等稳定区域。该成果不仅为阿尔茨海默病等神经退行性疾病的影像标志物开发指明方向，其提出的标准化评估范式更可推广至其他影像模态。未来研究需在多中心、多示踪剂背景下验证这些发现，并探索深度学习PVC对特征稳定性的影响，最终推动放射组学从实验室走向临床决策系统。