当AI遇上能谱技术，CT影像如何从雪花屏变“4K”？

“大夫，请问我这个病是个什么情况？是良性还是恶性的啊？”“我这个病跑了好几个医院了，每次诊断结果都不一致，这是怎么回事呢？”“请问我经过治疗后还会再复发吗，我还能活多久啊？”这些经常由患者向临床医师提出的棘手问题，一般也会发生在放射医生的会诊阅片中。

要回答上述问题，除了“病理”这项诊断金标准，CT检查也发挥了重大作用。CT成像的基本原理是X线束照射人体不同检查部位的组织、器官，因其密度、厚度等差别产生不同的衰减，导致探测器接收衰减后的x射线，经过信号转化处理成不同的灰阶的相应的人体组织、器官的CT图像。当患者体内组织发生病变后，其不同密度的病理组织同样能被CT设备所检出，这就是CT能够检出病变的基本原理。

，CT作为诊断工具，其图像质量是帮助医生做诊断的核心指标。也，CT影像的发展一般沿着如何在降低辐射的、提高图像质量。为此，行业的头部玩家们们纷纷致力于将深度学习、能谱成像等先进技术引入CT，以提升其效能。

据GE医疗中国首席技术官孙旭光介绍，CT影像大体已经历了三个阶段的发展从最早的滤波反投影阶段，图像类似早年的电视模拟信号，有许多雪花和噪声；到第二阶段逐渐迭代，模拟信号慢慢变成高清信号；2019年之后的第三阶段引入了深度学习算法，直观效果“就好像电视现在都进入4K、8K时代”，可以看到更多细节、更好的组织边界，以及更低的噪声。

由GE医疗自主研发而成的TrueFidelity? GSI便是这一思路的重要体现，其主张要“还原影像片真实模样”，将真理能谱图像技术和CT断层数据图像复原技术相结合。该技术在今年9月举办的世界人工智能大会上得到了集中展示。

记者现场拍摄

据悉，TrueFidelity?是GE医疗的深度学习图像重建系统，与传统算法相比，TrueFidelity?能通过持续学习高剂量下的高清影像，配合GE医疗相关的硬件技术，能将低辐射剂量下获得的原始数据重建成高质量的图像，还原图像真相。

而GSI则是一种能谱成像技术，它突破了常规CT只有单一的CT值这一参数的边界，可以提高细小结构的显示，发现传统CT难以发现的病灶，对物质成分进行鉴别，做出更精确的良恶性定性诊断，并可以进行物质成分的定量分析和追踪。“举一个著名的例子，用CT图像去扫描一杯水，我们看到的只是水；但用CT的能谱成像就可以看到这杯水是糖水还是盐水，得到更丰富的信息。”

能谱成像（GSI）与深度学习架构相结合的TrueFidelity? GSI，则是要助力Apex CT设备无论常规扫描还是能谱扫描的原始数据中，均可根据学习结果对噪声进行自主判断，特别是针对肿瘤早期病变，TrueFidelity? GSI让轻度强化病灶与周边组织结构的区分更加清晰，从而协助临床为患者前移重疾早诊早治时间窗口。据悉，该技术还采用了高低压瞬间切换的技术方法，以精准控制球管的曝光，帮助医生减少视觉疲劳，进而也有利于疾病的精准诊断。

通俗地理解，AI算法（深度学习）帮助提高图像质量，能谱技术帮助发现更多病灶细节，二者“buff叠加”，帮助CT发挥最大的功能，以解决更多复杂的临床问题；，也让原本由于特殊体型的原因，无法进行能谱CT检查的病人，也能获得高质量的能谱检查图像。

“举例来说，如果要做一个肿瘤活检，但肿瘤内部成分其实是不均匀的，若在肿瘤内部取一个区域的生化组织做活检，未必能得到最准确的结果”。也，活检势必要依赖于其他的辅助诊断手段。TrueFidelity? GSI则提供了对应的解决方案，即“基于更精确的影像信息，帮助病理活检采集到真正所需部分的组织样本”，以期得到更精准的肿瘤诊断结果。