1. PET/CT融合影像处理工程导论
PET/CT 是把两种物理机制完全不同的成像设备装进同一机架、共用同一张检查床的复合影像系统。理解它的工程处理流程，必须先分清 PET 与 CT 各自"看到"的是什么，再理解为什么必须把两套图像对齐、融合，最后才能谈处理链路上每一步在做什么。本章作为导论，先建立这三层认知，并完成课程项目的数据环境搭建。
一、PET 与 CT：两种物理量，两套图像
CT 测量的是 X 射线穿过人体后的衰减。X 射线管与探测器阵列绕患者旋转，重建算法把各角度投影数据反投影成断层图，像素值以 HU（Hounsfield Unit）表示，定义为 HU = 1000 × (μ − μ水) / μ水，其中 μ 为线性衰减系数。按此定义，水为 0 HU，空气约 −1000 HU，致密骨可达 +1000 HU 以上。CT 的空间分辨率高、解剖边界清晰，但只能反映电子密度与衰减特性，无法区分代谢活跃程度不同的组织。
PET 测量的是正电子湮灭产生的符合事件。放射性核素（临床最常用 18F-FDG）衰变发射正电子，正电子在组织中行进约 1 mm 内与电子湮灭，产生一对方向近似相反、能量各 511 keV 的 γ 光子。PET 环形探测器在符合时间窗（典型 4～6 ns）内同时捕获这对光子，即记录一条响应线（LOR）。大量 LOR 经重建得到体内放射性浓度分布，像素值通常以 SUV（标准化摄取值）表达：SUV = 组织放射性浓度 / (注射剂量衰减校正后 / 体重)。PET 灵敏度极高，能发现代谢异常，但分辨率低（临床约 4～5 mm）、噪声大、解剖定位模糊。
两者恰好互补：CT 给"位置和形态"，PET 给"功能和代谢"。融合影像的价值正来自这种互补——单独看 PET 难以判断一个高摄取灶究竟位于肺、纵隔还是胸壁，叠加 CT 后解剖归属一目了然。
二、融合影像的临床与工程价值
临床上，PET/CT 的核心用途包括肿瘤分期与疗效评估、放疗靶区勾画、心肌存活判断与神经系统疾病诊断。以放疗为例，CT 上难以区分的肿瘤浸润边界，可借助 PET 高摄取区修正；反之，PET 上的可疑灶需用 CT 解剖结构确认是否为生理性摄取（如肠道、肌肉）。
工程上，融合的价值体现在三个层面：定位——把功能信号映射到解剖坐标；校正——用 CT 的衰减图对 PET 做衰减校正（CTAC），这是现代 PET/CT 的标准流程；量化——只有配准准确，SUV 才具有可比性，才能用于多时间点或跨设备的疗效对比。因此，融合不是"把两张图叠起来看"，而是一条包含校正、配准、重采样、显示与量化的完整工程链。
三、处理流程总览
从原始采集到可诊断的融合图像，典型处理链如下：
- 原始数据获取：PET 列表模式或正弦图数据、CT 投影数据，以及采集时间、床位、注射剂量、体重等元数据。
- CT 重建与 HU 转换：重建 CT 断层图，并将 HU 按双线性模型转换为 511 keV 下的线性衰减系数 μ，生成衰减图。
- PET 校正与重建：依次完成归一化、死时间、随机符合、散射校正与衰减校正，再用 OSEM 等迭代算法重建。
- PET-CT 配准：同机系统通常已由硬件对齐，但仍需处理呼吸运动、床位偏差带来的残余错位，必要时做刚性或形变配准。
- 重采样与融合显示：把 PET 重采样到 CT 网格，按灰度/伪彩叠加，支持轴位、冠状位、矢状位与 MIP 浏览。
- 量化与后处理：勾画 ROI/VOI，计算 SUVmax、SUVmean、SUVpeak、MTV、TLG 等指标。
下面这张图给出整条处理链的输入、关键处理与输出关系，可作为后续各章的路线图。
四、课程项目与数据环境搭建
本课程以一个贯穿始终的项目为载体：给定一套 PET/CT 检查数据，完成从读取、校正、配准到量化与可视化的完整处理，并输出可复核的结果。数据环境建议按以下结构组织，便于后续章节直接复用：
petct_course/
├── data/
│ ├── pet/ # PET 重建后 DICOM 序列（*.dcm）
│ ├── ct/ # CT 重建后 DICOM 序列（*.dcm）
│ └── meta/ # 注射剂量、体重、采集时间等 JSON
├── work/ # 中间结果：衰减图、配准矩阵、重采样体数据
├── out/ # 融合图像、ROI 统计、SUV 报告
└── env/ # 环境与依赖说明
工具链推荐 Python 生态：pydicom 读取 DICOM，SimpleITK 或 nibabel 处理体数据与配准，numpy 做数值计算，matplotlib 做切片与叠加显示。安装示例：
pip install pydicom SimpleITK nibabel numpy matplotlib
环境验证建议用一段最小脚本完成：读取 CT 与 PET 序列，打印两者的体素间距、矩阵尺寸与层厚，确认 PET 与 CT 的几何信息是否一致。典型教学数据中，CT 可能是 512×512、层厚 1.0 mm，PET 可能是 128×128、层厚 3.0 mm——两者网格不同，这正是后续必须重采样的原因。若 PET 与 CT 的 ImagePositionPatient 原点差异较大，说明存在床位偏移，需要在配准阶段处理。