Phys Med Biol | 顾峥课题组提出面向脑专用PET扫描仪的系统级DOI校准方法-深圳湾实验室

//探索深圳湾实验室//

可伸缩导航栏

SMART 教职工 OA 邮箱 BAY TRIAL Bay Charm 捐赠 Symposia

热门搜索：

科研团队

研究机构

关于我们

加入我们

活动预告

仪器预约

资料下载

采购信息

PI招聘

首页资讯中心科研进展正文

2026年6月29日，深圳湾实验室生物医学工程研究所顾峥课题组在生物医学成像领域权威期刊Physics in Medicine & Biology发表题为 “A system-level DOI discrimination method based on SSDA for a brain-dedicated DOI-PET scanner” 的研究论文。该工作针对课题组前期研发的脑专用正电子发射断层成像（PET）系统中作用深度（DOI）校准耗时、标注成本高的问题，提出了一种基于半监督域自适应（SSDA）的系统级DOI分辨校准方法。该...

2026年6月29日，深圳湾实验室生物医学工程研究所顾峥课题组在生物医学成像领域权威期刊Physics in Medicine & Biology发表题为 “A system-level DOI discrimination method based on SSDA for a brain-dedicated DOI-PET scanner” 的研究论文。该工作针对课题组前期研发的脑专用正电子发射断层成像（PET）系统中作用深度（DOI）校准耗时、标注成本高的问题，提出了一种基于半监督域自适应（SSDA）的系统级DOI分辨校准方法。该方法仅需少量探测器的侧面辐射标注数据，即可结合各探测器顶部辐射未标注数据实现整机DOI校准。结果表明，该方法分辨准确率达98.21%；在72个探测器组成的脑专用PET原型系统上，误分类晶体仅占0.80%；两级和四级DOI分辨下平均径向空间分辨率分别为1.83 ± 0.45 mm和1.39 ± 0.20 mm。该研究为下一代高性能脑专用PET扫描仪提供了低成本、高准确、易扩展的系统级DOI校准方案。

正电子发射断层成像（Positron Emission Tomography, PET）是一种高灵敏、非侵入式的分子影像技术，可用于在体观察放射性示踪剂反映的生物过程，在肿瘤、神经退行性疾病、脑血管疾病和精神疾病等研究与诊断中具有重要价值。与全身PET相比，脑专用PET扫描仪围绕脑部成像需求进行优化，通常可以用更紧凑的几何结构获得更高的灵敏度和空间分辨率，同时降低探测器用量与系统成本。作用深度（Depth-of-interaction, DOI）信息是修正视差误差、获得高空间分辨率图像的关键。

该研究面向课题组前期研发的脑专用PET原型系统（图1）。该系统由双叠层、多分辨率探测器构成，探测器顶层采用16 × 16的LYSO晶体阵列，单个晶体尺寸为1.53 × 1.53 × 5 mm³；底层采用8 × 8的LYSO晶体阵列，单个晶体尺寸为3.0 × 3.0 × 15 mm³。

图1 脑专用PET原型机示意图

针对该系统DOI校准耗时、标注成本高的问题，提出了一种基于半监督域自适应（Semi-supervised Domain Adaptation, SSDA）的系统级DOI分辨方法（图2）。该方法融合半监督学习中的FixMatch思路和域对抗神经网络，通过特征提取器、DOI分类器和域分类器协同训练，减少标注源域与未标注目标域之间的数据分布差异，从而在降低标定工作量的同时保持较高的DOI分辨准确性。

图2 提出的基于SSDA的DOI校准方法框架图

在方法比较实验中，仅使用探测器#0的侧向照射数据作为标注数据，对监督学习（SL-D0）、域自适应（DA）、半监督学习（SSL）和本文提出的SSDA方法进行了比较。结果显示，SSDA方法在探测器#1顶部照射数据上的分辨准确率达到98.21%，明显高于SL-D0方法的89.91%。在flood图像质量评价中（图3），SSDA方法在顶层和底层晶体上的flood图像质量指标k值分别为4.80 ± 0.47和6.84 ± 0.53，平均绝对误差MAEk分别为0.04 ± 0.03和0.07 ± 0.04，整体表现最接近使用探测器#1自身标注数据训练得到的监督基准模型（SL-D1）。

图3 不同 DOI 分辨方法对探测器#1顶部辐射数据的预测结果比较。（a）flood图像；（b）flood图像质量指标k；（c）平均绝对误差MAEk。其中左侧为顶层晶体结果，右侧为底层晶体结果；MAEₖ以SL-D1方法的结果为参考计算

在系统级评估中，同步测量了脑专用PET原型系统中72个探测器的顶部辐射数据，并继续仅使用探测器#0的侧向照射数据作为标注数据。以探测器#14为例，SSDA方法能够清晰区分顶层和底层晶体事件（图4）。在全部72个探测器中，该方法表现稳定，顶层和底层晶体的平均flood图像质量指标k值分别达到4.82 ± 0.55和6.65 ± 0.65；误分类晶体仅184个，占总数的0.80%，显著低于监督学习对照方法的16.61%（图5）。

图4 PET原型系统中 14 号探测器顶部辐射数据的DOI分辨结果。（a）混合事件的flood图像；（b）不同DOI分辨方法预测得到的flood图像；（c）flood图像质量指标k。其中，（b）和（c）中左侧为顶层晶体，右侧为底层晶体

图5 不同DOI分辨方法在全部72个探测器中产生的误分类晶体数量统计

空间分辨率评估进一步验证了该方法对成像性能的提升。使用22Na点源在9个不同径向偏移位置采集数据，并分别在两级DOI和四级DOI分辨设置下进行图像重建（图6）。结果显示，SSDA方法在两级DOI分辨下的平均径向空间分辨率为1.83 ± 0.45 mm（图7），在四级DOI分辨下进一步提升至1.39 ± 0.20 mm（图8），分别较直接使用探测器#0监督学习对照方法提升33.21%和29.08%。在较大径向偏移位置，SSDA方法也更好地缓解了视差误差导致的分辨率退化，使视野内的空间分辨率更加均匀。