近期，中国西京医院核医学科的汪静教授与康飞教授带领的研究团队，在核医学成像方面实现了一项重要进展。他们的临床研究发表在《EJNMMI物理学》期刊上，展示了一种基于深度学习的统一呼吸运动校正技术，这一技术能够有效提高氟代脱氧葡萄糖PET/CT对上腹部病灶的成像质量和诊断准确性。通过对100例患者的数据进行系统分析，该算法证实可以减少呼吸运动伪影，提升图像清晰度，并使病灶的最大标准化摄取值平均增加21.6%，尤其对于小体积或呼吸位移较大的病灶，效果更为明显。

这项技术被称为uRMC，其主要优势在于无需使用额外设备，仅通过算法处理PET数据，即可同步优化运动校正、衰减校正以及PET与CT图像的配准过程。主观盲法评估结果表明，uRMC技术改善了大多数患者的整体图像质量、病灶形态和图像配准情况。客观数据分析还发现，它能够检测出传统成像方法容易遗漏的病灶，并修正部分病灶的器官定位错误，从而直接影响临床分期和治疗决策，例如有病例因为发现新增转移灶而调整了分期方案。

这项研究成果标志着呼吸运动校正技术从方法学研究向常规临床应用迈出了关键一步。通过提升图像清晰度、病灶检出灵敏度和定量测量准确性，uRMC技术为肝癌等上腹部肿瘤的早期诊断、精准分期、疗效评估和放疗靶区勾画提供了更可靠的影像学工具，体现了人工智能在推动精准肿瘤诊疗中的实际应用价值。