基于课程学习的全身CT到PET图像统一转换方法UniPET

《Frontiers in Artificial Intelligence》：UniPET: a unified approach for whole-body CT to PET translation

　　

正电子发射断层扫描（Positron Emission Tomography, PET）为肿瘤影像学提供了关键的代谢信息，然而其应用受到辐射暴露、成本和可及性有限的制约。从计算机断层扫描（Computed Tomography, CT）合成PET样图像已被提出作为一种近似代谢信息的途径；然而，现有方法要么无法捕捉区域特异性变异，要么依赖多个器官特异性模型，难以扩展至全身成像。在本研究中，研究人员引入了UniPET，一种基于课程学习（curriculum learning）的全身CT到PET转换统一方法。通过逐步纳入复杂度递增的解剖区域，UniPET使得单一网络能够学习跨不同区域的连贯形态-代谢关系。研究人员在包含900例患者的公开数据集和包含579例患者的外部队列上对UniPET进行了评估。该模型在图像质量和代谢一致性方面达到了与区域特异性方法相当的水平，同时优于传统全身模型，并在分布偏移下保持稳定的性能。通过在单一模型中捕捉区域特异性变异，UniPET为基于CT的工作流程补充合成代谢信息提供了一种有前景的方法，其潜在应用包括筛查分诊、PET不可用的低资源环境，以及作为多模态分析管线的额外输入。代码可在以下网址获取：https://github.com/arco-group/UniPET。

论文解读

一、研究背景与问题

CT和FDG-PET在肿瘤诊断中发挥着核心作用，分别提供解剖结构和代谢活动的互补信息。CT单独在准确表征筛查中发现的高危不确定肺结节、评估癌症分期的淋巴结和远处转移方面存在局限；而FDG-PET已被证明能提高诊断准确性，尤其在区分良恶性肺结节方面具有高敏感性。然而，PET的使用受到较高辐射暴露的制约，这对孕妇、儿童及需要重复影像检查的肿瘤患者等脆弱人群构成担忧。此外，PET扫描仪价格昂贵、维护复杂，其有限的可及性导致了功能性影像获取方面的巨大全球差异。这些限制推动了替代方案的研究，即通过深度学习从CT X射线衰减数据生成PET放射性示踪剂摄取，学习CT解剖结构与PET代谢活动之间的对应关系。已有研究报道CT衰减值与PET示踪剂摄取之间存在一定相关性，表明基于学习的方法可以利用这种高阶依赖关系弥合两种模态之间的差距。合成PET不应被解释为获取PET的替代品，而应视为从CT数据推断的合理代谢模式的概率估计，可在特定场景中提供补充功能线索，如支持患者分诊、作为下游算法的额外输入，以及在PET不可用或不可行环境中增强CT工作流程。

二、研究内容与结论

文献中开创CT到PET图像转换的工作主要有三项。Salehjahromi等人（2024）引入条件生成对抗网络（conditional GAN）框架，将2D CT切片转换为对应PET切片，采用配对数据的监督设置，聚焦肺癌胸部影像。Nguyen等人（2025）提出条件扩散模型，在共享潜在空间中学习二维肺部CT切片到对应PET切片的映射。这两项工作忽视了医学影像固有的三维特性，也未考虑临床PET研究典型的全身采集。Guarrasi等人（2025）引入区域化方法，为每个解剖区域（头部、躯干、手臂、腿部）学习一个生成模型，再组合输出合成全身PET图像，并采用基于块的训练策略。实验观察到该方法优于使用全身扫描训练的单一生成网络，但代价是计算需求和架构复杂度增加。然而，将该区域化方法扩展到更细的解剖粒度需要成比例增加转换网络数量，使该方法在规模上计算上不可行。

受人类渐进学习过程的启发，研究人员引入UniPET，一种用于3D全身CT到PET转换的生成方法，通过课程学习从简单到复杂的映射逐步学习不同解剖区域。UniPET将解剖区域按复杂度组织，复杂度以空间范围和结构变异性定义。研究贡献包括：提出使用单一网络跨多个解剖区域训练的全身CT到PET转换框架；设计两阶段训练策略，第一阶段在全局全身CT到PET映射上预训练，第二阶段应用课程学习，根据难度评分逐步引入解剖区域；在包含900例患者的大型公开数据集和579例患者的外部独立队列上进行广泛实验，证明UniPET在图像级相似性指标和手动标注病灶的临床相关PET衍生定量生物标志物方面均优于现有方法。

三、关键技术与方法

研究人员使用的主要技术方法包括：第一，解剖分解阶段，采用预训练CT分割器（MOOSE）提取14个不同身体区域的解剖掩膜（腿、臂、肝、肺、脑、胃、胰腺、脾、肾、气管、膀胱、甲状腺、胆囊和肾上腺），为每个区域推导紧密包围分割掩膜的边界框。第二，区域分组与难度排序阶段，基于两个区域级特征——强度动态范围和体素强度方差——进行层次聚类，将区域按相似性分组；假设较大解剖区域因更大空间范围和结构变异性而更难建模，聚类结果按体积排序。第三，基于课程学习的CT到PET转换阶段，训练基于3D扩展的Pix2Pix架构的GAN模型，生成器由编码器和解码器组成，判别器评估合成PET的真实性，辅助分类器从潜在表示预测解剖区域，其分类损失指导调度器，随着分类性能提高引入更难的子集。训练采用3D块（patch size l=32），数据增强包括随机旋转、随机翻转和高斯噪声注入。内部数据集为FDG-PET-CT-Lesions公开数据集（900例患者，1014次全身PET/CT扫描），外部验证采用ENHANCE.PET 1.6k数据集（排除与内部数据集重叠的蒂宾根大学数据后，外部队列含579例配对CT-PET扫描，来自莱比锡大学医院和Careggi大学医院）。评估指标包括PSNR、SSIM以及基于SUV的生物标志物（SUV_max、MTV_α、TLG_α），采用ICC和SROCC评估一致性。

四、研究结果

UniPET生成准确且逼真的PET样图像。 通过PSNR评估信号保真度和SSIM评估结构相似性，PSNR在手臂区域达到最大值36.7 dB，大多数区域值在27至35 dB之间，膀胱区域性能最低（17.55 dB），SSIM呈现类似趋势。按疾病分层，UniPET在肺癌、淋巴瘤、黑色素瘤和阴性病例中PSNR性能相当，值在29.9至30.94 dB之间，表明跨病理条件的图像质量一致。性能变化主要由器官特异性生理复杂度驱动，而非指标特异性伪影。

UniPET优于传统全身模型并接近区域特异性方法。 通过Friedman检验评估全身GAN、区域特异性GAN和UniPET在解剖区域间的整体性能差异，采用Nemenyi事后检验进行配对比较（p<0.05）。UniPET在图像质量指标上达到与区域特异性方法相当的性能，同时优于传统全身模型。

UniPET在外部队列中保持稳定性能。 在579例外部配对CT-PET扫描上评估，UniPET在分布偏移下保持稳定性能，表明其泛化能力。

UniPET保持代谢定量生物标志物的一致性。 在手动标注病灶上进行SUV_max、MTV_α（α=1.5）和TLG_α的病变水平比较，采用ICC评估绝对一致性（同时考虑相关性和系统偏差），SROCC评估单调关联强度（独立于绝对尺度），报告95%置信区间。UniPET在代谢定量生物标志物方面与真实PET保持良好一致性。

五、讨论与结论

UniPET通过课程学习策略，使单一网络能够学习跨不同解剖区域的连贯形态-代谢关系，在保持全局空间连贯性的同时逐步获取区域特异性表征。与区域特异性方法相比，UniPET避免了多网络架构带来的计算负担和复杂度，同时克服了传统全身模型无法捕捉区域特异性变异的问题。该方法的潜在应用包括筛查分诊、PET不可用的低资源环境，以及作为多模态分析管线的额外输入。研究结论表明，通过在单一模型中捕捉区域特异性变异，UniPET为基于CT的工作流程补充合成代谢信息提供了一种有前景的方法，在图像质量和代谢一致性方面达到与区域特异性方法相当的性能，同时优于传统全身模型并保持分布偏移下的稳定性能。