基于SPECT成像中目标结构与采集条件的超参数控制正则化重建方法研究

本研究针对临床核医学中正则化重建方法超参数优化耗时费力的问题，提出了一种基于目标结构和采集条件自动控制超参数的行操作型正则化期望最大化方法(RAREM)。通过数值模拟和真实SPECT系统验证，该方法在NRMSE、SSIM等指标上与传统优化参数方法相当甚至更优，为临床提供了一种无需实验性设置超参数的替代方案。

　　

在临床核医学领域，SPECT（单光子发射计算机断层扫描）成像因其功能显像优势被广泛应用，但图像质量常受限于高噪声水平。传统重建方法如TV-EM（全变分期望最大化）和BSREM（块序列正则化期望最大化）虽能抑制噪声，却需通过耗时实验确定超参数，且参数随采集条件、病灶特性等变化而不同。这种"一病一调参"的困境，成为临床推广的瓶颈。

针对这一挑战，日本东邦大学大桥医学中心放射科的Tomoya Minagawa团队在《EJNMMI Physics》发表研究，提出革命性的RAREM（行操作型自动正则化期望最大化）算法。该方法创新性地通过高斯-拉普拉斯滤波器评估更新图像边缘结构（如图1所示），动态调整正则化参数η和松弛参数λ，实现超参数与采集条件（投影数、计数水平）和目标结构的自适应匹配。

关键技术包括：1）采用蒙特卡洛模拟工具SIMIND生成参考图像；2）设计包含3D-MAC、纹状体和人脑Web三类数字模体的108种模拟条件；3）通过Jaszczak模体和纹状体模体开展真实SPECT实验；4）采用NRMSE（归一化均方根误差）、SSIM（结构相似性指数）等量化评估指标。

主要研究结果

1. 图像质量对比：在低计数（2.5×10³计数/投影）和稀疏投影（12-18投影）条件下，RAREM的SSIM显著优于TV-EM（p<0.01），与优化参数的modified-BSREM相当（图4）。典型表现为纹状体模体的脑室结构保留更完整（图7中心左图）。

4计数/投影条件下的对比效果'>

1. 参数自适应性：通过E_k值动态反映图像复杂度（图11），在结构简单区域（如3D-MAC模体背景）自动增强正则化（η↑），而在复杂区域（如脑Web模体灰质）降低正则化强度（η↓），实现空间分辨率与噪声抑制的平衡。

2. 临床适用性验证：真实实验中，RAREM的CRC（对比恢复系数）与参考方法差异<5%，SBR（特异性结合比）在右纹状体达到7.00±0.15（真实值7.00），证明其定量准确性（图10）。

该研究突破性地解决了正则化重建的"参数依赖"难题，其创新性体现在：1）首次将目标结构评估（通过E_k）融入参数控制系统；2）通过不等式约束（公式29）确保非负性，避免人工干预；3）适用于从低计数（2.5k计数/投影）到常规条件的所有SPECT场景。正如作者指出，该方法尤其适合新型放射性核素显像的快速临床应用，为阿尔茨海默病DAT-SPECT等精准定量诊断提供了新工具。

研究也存在一定局限：低对比度区域（如左纹状体）的SBR仅为真实值的50%，提示未来需优化边缘检测算法。但总体而言，这项来自日本团队的工作，为医学物理领域贡献了一个"开箱即用"的智能重建范式。