近日，中國科學院合肥物質院健康所李海研究員團隊在肺部呼吸運動預測研究中取得重要進展。相關研究成果發表在醫學影像分析領域專業期刊Computerized Medical Imaging and Graphics上。

精確的呼吸運動追蹤是肺部疾病治療所面臨的一大挑戰。尤其是在CT圖像引導的經皮肺穿刺活檢中，呼吸運動引起的肺結節或肺腫瘤移位會顯著增加介入手術的難度，甚至導致手術失敗。目前，研究人員會采用呼吸運動建模的方法來提高呼吸運動的追蹤精度，從而減小手術難度和風險。其中，基于群體的呼吸運動建模方法通過提取群體數據中的共性特征來實時預測肺部運動，但忽略了個體差異，精度有限；而個體特異性的呼吸運動建模方法則需要對患者進行四維CT（4D CT）掃描，增加了輻射風險。

為了克服這些困難，研究團隊提出了一種創新的群體特征加權稀疏（PCWS）呼吸運動補償模型。通過有效融合群體運動特征與個體患者運動特征，該模型能夠在無需4D CT掃描的情況下，實現肺部呼吸運動的精確預測和追蹤。基于多中心數據集的驗證結果表明，PCWS模型的平均估計誤差為0.20±0.15mm，顯著優于現有方法。

李海研究員團隊一直致力于多模圖像引導的手術導航系統研究，并取得了一系列成果（Pattern Recognition,2019；International Journal of Computer Assisted Radiology and Surgery (IJCARS),2022）。該技術對提高圖像引導的肺癌介入手術精度具有重要價值，同時也適用于肺癌精確放療時的呼吸運動管理等領域。

該論文的第一作者為中國科學院合肥腫瘤醫院夏國仁醫生，通訊作者是李海研究員、美國休斯敦衛理公會醫院Stephen T.C. Wong教授和王騰飛博士。本研究得到了國家重點研發計劃、國家自然科學基金和安徽省重點研發項目的支持。

文章鏈接：https://doi.org/10.1016/j.compmedimag.2025.102557

群體特征加權稀疏（PCWS）呼吸運動補償模型流程圖