kaiyun官网入口深圳先进技术研究院研究员胡战利等与合作者提出了计数感知扩散与门控自回归推理的新型人工智能（AI）框架，针对性解决了低剂量、超快速正电子发射计算机断层扫描（PET）中有效信号不足引发的图像噪点多、细节模糊、定量数据偏差等关键问题，提升了PET图像清晰度与检测准确度。相关研究近日发表于《医学图像分析》。

PET能够观察人体代谢和分子活动，在肿瘤诊断和疗效评估中发挥重要作用。临床希望在保证图像质量的同时，尽可能降低示踪剂用量并缩短扫描时间。但采集时间缩短或注射活度降低后，可利用的信号随之减少，容易造成图像噪声增加、细节模糊和定量结果不稳定。

针对这些问题，研究团队提出了“计数感知扩散与门控自回归推理”新型AI框架。简单来说，第一步是给扩散模型加上一把反映PET采集条件的“计数尺”。模型不再只依赖通用的噪声设定，而能够根据不同低计数程度选择更合适的恢复路径。第二步是让图像恢复过程具备“记忆能力”。模型在恢复图像时不再“每一步都从头判断”，而是能够参考前面已经找到的结构和对比信息，逐步减少噪声、恢复细节，使生成的PET图像更加稳定地接近标准计数参考。

该研究共纳入了4家医院的全身PET/计算机断层扫描（CT）数据，并通过不同采集时长构建不同程度的低计数PET。结果显示，对于3秒采集的低计数图像，该方法能够明显降低噪声、改善图像清晰度和定量准确性；即使面对训练阶段未使用过的1秒极低计数图像，也保持了较好的增强效果。在山东、广东珠海和湖北武汉3个独立中心的测试中，该方法在不同采集时长下同样表现稳定，显示出一定的跨医院、跨数据分布适应能力。

未来，研究团队将进一步在真实低注射活度PET数据、不同型号扫描设备以及不同示踪剂中开展验证，并继续提升三维图像处理和推理速度，让低计数PET在减少辐射剂量、缩短检查时间的同时，能提供稳定可靠的影像信息，为更加安全、高效的PET检查提供技术支持。

相关论文信息：https://doi.org/10.1016/j.media.2026.104265

（原载于《中国科学报》 2026-09-03 第3版 综合）