综述：人工智能引导的PET图像重建与多示踪剂成像：新方法、挑战与机遇

（编辑推荐）本综述系统阐述了人工智能（AI）在PET/CT成像中的革新应用，涵盖长轴视野（LAFOV）扫描仪的高灵敏度优势、卷积神经网络（CNN）驱动的图像重建加速、多示踪剂信号分离技术及分辨率增强方案，为临床超低剂量成像和生物标志物开发提供新范式。

　　

关键要点

人工智能（AI）技术正彻底改变正电子发射断层扫描（PET）成像领域。长轴视野（LAFOV）PET/CT扫描仪凭借更大的覆盖范围、更高的灵敏度和更短的扫描时间，为超低剂量成像和多示踪剂研究开辟新途径。卷积神经网络（CNN）显著提升了图像重建速度与质量，而AI驱动的信号分离技术则突破了传统单次注射多示踪剂的成像瓶颈。

人工智能用于图像重建：单示踪剂与同步多示踪剂PET

近期研究聚焦于通过卷积神经网络直接学习PET系统矩阵，尽管需要多达20万组2D图像对进行训练，但能实现高度匹配训练数据分布的高质量重建。更先进的混合方法将传统迭代重建与AI后处理相结合，有效提升图像信噪比，尤其适用于低计数扫描。在长轴视野系统中，AI技术进一步实现动态参数成像和生理噪声建模，为多示踪剂信号分离提供数学框架。

人工智能方法提升图像分辨率

PET分辨率受晶体尺寸、深度交互（DOI）、光子非共线性及放射性核素正电子范围（PR）等物理因素限制。AI通过优化重建算法和噪声管理流程，显著改善小病灶检测能力。生成对抗网络（GAN）和超分辨率技术现已被用于补偿系统固有分辨率损失，其中三维卷积神经网络可同时处理空间和时间维度信息。

临床关注点

尽管LAFOV PET/CT在超低剂量成像和生物标志物开发中展现潜力，其临床应用仍需更多验证。值得注意的是，这类系统虽具备无与伦比的灵敏度，但空间分辨率与传统短轴视野（SAFOV）设备相当，这促使研究者积极探索AI增强分辨率的创新方案。

总结与展望

AI与LAFOV PET/CT的协同发展正推动成像技术进入新纪元，从重建效率、多示踪剂解析到动态成像均取得突破。未来需通过大规模临床验证确保技术的稳健性和可扩展性，同时解决多中心数据标准化等关键挑战。

（注：文中所有技术细节均严格参照原文，专业术语保留英文缩写及^上标格式，已去除文献引用标识。）