医学影像图像重建是连接原始扫描数据与临床诊断图像的核心环节，其技术水平直接影响疾病筛查、诊断与治疗决策的准确性。为保障医学影像重建的标准化、同质化与可靠性，特制定本技术规范，覆盖重建全流程的技术要求、质量控制与管理准则，适用于CT、MRI、PET、超声等多模态医学影像设备的图像重建操作。
### 一、核心技术原则
1. **一致性与适配性原则**：重建技术需与采集模态、扫描目的精准适配。例如CT低剂量扫描需优先选择迭代重建算法平衡图像质量与辐射剂量，MRI脑部功能成像需采用高分辨率傅里叶重建或压缩感知算法保障细节显示。
2. **最小失真原则**：重建过程需最大程度保留原始数据中的病变信息，避免过度降噪导致病变特征丢失，或参数不当引入伪影干扰诊断。
3. **可追溯性原则**：所有重建参数（如算法类型、迭代次数、正则化系数、AI模型版本）需与原始扫描数据、图像结果绑定存储，支持后期溯源与验证。
### 二、分模态重建技术规范
#### （一）CT图像重建
1. **常规重建**：滤波反投影（FBP）作为基础重建算法，需明确滤波器类型（如标准软组织滤波器、骨算法滤波器）与卷积核参数，常规扫描的空间分辨率需不低于1LP/mm，低对比度分辨率需满足0.3%@12cm直径。
2. **迭代重建（IR）**：根据扫描部位调整迭代次数（如胸部8-12次、腹部10-15次）与正则化强度，低剂量扫描时需启用剂量优化模式，确保对比噪声比（CNR）较FBP提升≥30%，同时控制图像伪影等级≤2级（5级评分制）。
3. **AI辅助重建**：训练数据集需包含≥1000例多中心、多设备的标注数据，模型验证需采用独立测试集，满足Dice系数≥0.95、病变漏诊率<1%，同时需保留原始重建图像作为对照。
#### （二）MRI图像重建
1. **常规序列重建**：快速自旋回波（FSE）序列采用并行重建（如SENSE、ASSET）时，加速因子需根据线圈通道数合理设置（4-8通道加速因子≤2，16通道以上≤4），避免图像折叠伪影。
2. **压缩感知重建**：适用于超快速成像序列，采样率需控制在20%-40%，正则化参数需平衡图像加速比与细节保留，信噪比（SNR）需≥20dB。
3. **功能影像重建**：弥散加权成像（DWI）的ADC图重建需采用多b值拟合算法，b值选择符合临床需求（如脑部b=0、1000s/mm²，腹部b=0、800s/mm²），避免伪影导致ADC值偏差>10%。
#### （三）PET/CT融合重建
1. **PET重建**：采用有序子集最大期望值（OSEM）算法时，迭代次数设置为2-3次/子集数8-10，同时启用时间飞行（TOF）技术提升图像分辨率，SUV值测量误差需控制在±10%以内。
2. **融合配准**：CT与PET图像的配准误差需≤1mm，融合后图像需清晰显示解剖结构与代谢病灶的对应关系，避免配准偏移导致的定位错误。
### 三、图像质量评估规范
1. **客观指标**：明确量化评估标准，包括：
– 信噪比（SNR）：CT胸部≥25dB，MRI头部≥30dB；
– 对比噪声比（CNR）：需满足病变与正常组织的CNR≥5；
– 空间分辨率：CT需能分辨0.5mm的线对，MRI需满足0.3mm的空间分辨率；
– 低对比度分辨率：CT需能显示0.3%对比度的直径5mm病灶。
2. **主观评估**：由两名以上中级职称医学影像医师采用双盲法评分，重点评估病变显示清晰度、伪影影响、解剖结构完整性，合格标准为≥4分（5分制）。
3. **评估周期**：每季度对各模态重建图像进行抽样评估，抽样比例不低于5%，评估结果需形成质量报告并存档。
### 四、全流程管理规范
1. **数据传输与存储**：原始扫描数据与重建图像需采用DICOM 3.0标准格式传输，存储需符合医疗数据安全规范，保障数据完整性与患者隐私，存储周期不低于15年。
2. **操作流程**：技师需严格按照扫描部位的预设重建方案操作，如需调整重建参数需记录调整原因并经上级技师审核；AI重建需启用双图像显示模式（AI重建图+原始算法重建图），供临床医生参考。
3. **质量监控**：建立重建质量监控台账，记录每批次图像的重建参数、质量评估结果与异常情况处理措施，每年度进行一次全流程质量评审。
### 五、人员资质与伦理规范
1. **人员要求**：操作重建技术的技师需具备医学影像技术专业背景，持有技师资格证书，掌握多模态重建算法的原理与操作规范；AI重建模型的开发与验证需由医学影像医师与工程师联合参与。
2. **伦理合规**：AI重建模型的训练数据需经过伦理委员会审核，患者隐私需匿名化处理；重建图像的使用需严格遵循临床诊断目的，禁止用于非临床研究或商业用途。
本规范将随医学影像技术的发展定期修订，各医疗机构需结合自身设备条件与临床需求制定实施细则，确保医学影像重建技术的标准化应用，为临床诊断提供可靠的图像支持。
本文由AI大模型（Doubao-Seed-1.8）结合行业知识与创新视角深度思考后创作。