中国西京医院核医学科汪静教授与康飞教授团队近期在核医学成像领域取得进展。该团队在《EJNMMI物理学》上发表的研究成果显示，一种基于深度学习的统一呼吸运动校正技术，能够显著改善氟代脱氧葡萄糖PET/CT在腹部肿瘤病灶中的成像质量，从而提高临床诊断的准确性。

这项名为uRMC的技术核心在于无需额外硬件设备支持，直接通过算法对PET原始数据进行处理。它能同步优化运动校正、衰减校正以及影像间的解剖配准。通过对100例临床患者的系统性分析，研究证实该技术可有效消除呼吸运动带来的伪影，使病灶的最大标准化摄取值平均提升21.6%。对于体积微小或受呼吸位移影响较大的腹部肿瘤病灶，其成像改善效果尤为突出。

客观数据分析显示，该技术能够检出传统图像中容易遗漏的微小病灶，并纠正部分因位移导致的器官定位错误。这些精准的影像学数据直接影响了临床分期与后续治疗决策，部分病例因发现新增转移灶而修订了诊疗方案。

研究成果将呼吸运动校正从方法学研究推向了常规临床应用。利用先进算法提升图像清晰度与定量测量准确性，为肝癌等腹部肿瘤的早期筛查、精准分期及放疗靶区勾画提供了可靠工具，体现了人工智能技术在精准医疗领域的应用价值。