自动多模态CTA分割提升心脏SPECT/CT的体积校正精度

本文主要探讨了在心脏单光子发射计算机断层显像（SPECT）/计算机断层扫描（CT）融合成像中，如何通过全自动化多模态分割技术来实现解剖学基础的偏体积校正（partial volume correction, PVC）。传统的PVC方法依赖于对增强型计算机断层血管造影（CTA）数据的手动器官分割，这在临床实践中耗时且易出错。为了推动这种方法向临床转化，研究者们专注于多模态（multi-atlas）分割技术，这是一种利用多个模板图像来自动识别和归类目标结构的方法。 文章首先回顾了多模态分割的基本原理，包括基于特征匹配、图像配准和标签融合等步骤，这些都是实现准确和快速分割的关键。作者重点介绍了他们如何改进了传统多模态分割方法，特别提出了一种创新的标签融合策略，旨在提高器官边界的精确性和一致性，从而减少因部分容积效应引起的图像质量下降和定量误差。 在心脏SPECT/CT融合成像中，偏体积校正是通过修正因组织间边缘混叠导致的剂量分布不均匀问题。通过自动化CTA分割，可以快速生成精确的器官体积模型，从而进行更精细的放射性分布校正，进而提升图像的空间分辨率和定量准确性，这对于诊断心肌缺血、心律失常等心血管疾病具有重要意义。 此外，文章还提到了其他相关研究，如低剂量专用心脏SPECT/CT中的解剖基线PVC方法，以及呼吸门控技术在高分辨率静态心脏SPECT系统中的应用。同时，作者还讨论了偏体积校正技术在神经学、心脏病学和肿瘤学等领域中的广泛应用，强调了它在提高影像分析精度和临床决策支持中的作用。 总结来说，这项工作对于实现全自动化多模态CTA分割，推动心脏SPECT/CT成像的临床应用具有重要的价值，特别是在提升图像质量和定量准确性方面。通过结合创新的多模态分割方法和偏体积校正技术，未来有望简化放射性成像分析流程，减少医疗人员的工作负担，并最终改善患者的诊断体验。