【嶺創新知】AI消除「運動偽影」 助精確定位腫瘤
相信很多人都做過電腦斷層掃描（CT Scan）：受檢者平躺在檢查床上，按指示憋氣數秒後，熒幕便會出現一系列清晰的黑白人體斷層影像，供醫生進一步診斷。傳統CT的原理，是透過 X 光繞着人體進行多角度掃描，再由電腦重建立體圖像。然而，傳統 CT 的局限在於掃描速度不夠快，而病人的心臟跳動、肺部呼吸會使內臟器官不斷運動，容易令影像出現模糊。因此，如何捕捉動態器官的實時影像，便成為現代醫學影像發展的關鍵。
以影像引導放射治療（Image-Guided Radiation Therapy，IGRT）為例，放射治療利用高能射線殺死腫瘤細胞，十分講求精準度。然而，肺部腫瘤會隨着患者每一次呼吸，在體內移動多達數厘米；若治療光束未能對準腫瘤的實際位置，不僅效果大打折扣，更可能傷及健康組織。因此，醫生需要的不是單張「定格」影像，而是能呈現器官運動規律的「動態短片」。
為此，「動態錐束 CT」應運而生。普通 CT 採用扇形 X 光束，每次只記錄一個截面；錐束 CT 則把光束擴展為立體錐形，一次旋轉便能取得整個器官的體積資訊，並在連續旋轉中採集數百幅投影，重建成隨時間變化的「四維影像」，把醫療掃描從「拍照」升級為「錄影」。
然而，動態 CT 的重建亦存在局限：由於儀器旋轉速度有限，同一呼吸相位可能只採集到數幅投影；當數據嚴重不足時，傳統演算法只能產生「運動偽影」，即因患者身體或器官移動，導致訊號失真、影像模糊或出現重疊影響的現象。
針對這一難題，筆者的研究團隊近年運用深度神經網絡技術，訓練人工智能（AI）系統學習描述「空間形態」與「時間演變」的連續數學模型。當系統接收到有限的投影資料後，它會同時推斷器官的立體結構及其隨呼吸或心跳的變化。
定位誤差縮至1毫米內
經過反覆優化，AI 彌補了數據不足的缺陷，並將原本模糊且帶有重影的醫學影像，轉化為能清晰呈現肺部膨脹與收縮、腫瘤移動軌跡的動態影像。團隊的實驗數據顯示，引入AI技術後，動態影像的信噪比（SNR）平均提升了約 45%，邊緣清晰度改善了超過 50%；更重要的是，因呼吸造成的「運動偽影」被大幅消除，使腫瘤位置的定位誤差從原本的數毫米縮減至1毫米以內。
試想像，未來在放射治療室裏，醫生可以透過經 AI 修復的動態影像，精確追蹤腫瘤隨呼吸的運動，讓放射束精準殺死癌細胞，同時保護周邊健康組織。
學生在日常生活中，或許也喜歡用手機拍攝影片或玩縮時攝影，捕捉動與靜的瞬間；這其實與動態 CT 的原理非常相似——兩者都是透過快速、連續捕捉多個畫面，組合成事物運動的軌跡。科學的突破，往往正是從這些日常生活的觀察與好奇心開始。
●職少華博士 嶺南大學伍絜宜跨學科學院高級講師
