准确评估肿瘤PET/CT中小病灶对F-2-氟-2-脱氧葡萄糖的摄取，一方面可以更早地识别原发性或转移性FDG狂犬病，从而实现更有效的治疗，而在另一方面，为了从追求侵入诊断将会导致附加的患者的风险和成本，对于非FDG狂热损害，其几乎肯定是良性劝阻临床医生。这个目标是在PET然而挑战，由于空间分辨率有限，图像噪声，呼吸运动，和其它技术因素。
　　 贝叶斯惩罚可能性PET重建算法可用于最近推出的GEDiscoveryIQPET/CT，是一种采用噪声惩罚的正则化方法，可以获得分辨率优势没有相应的高噪声的大量迭代。该算法还对系统空间分辨率进行建模，结合降噪，可以更好地成像小结构。这种小病变的SUV值固有地被低估，更高的值可能意味着更好的准确性。
　　 通过FDGPET评估糖酵解活性可以帮助指导癌症患者中可疑病变的临床管理。然而，对尺寸基本上不大于PET分辨率极限的小病灶的摄取的解释是具有挑战性的。从严格的技术角度来看，当病灶直径小于系统全宽半最大值的3倍时，由于部分体积效应，PET摄取被低估。为8毫米的PET各向同性FWHM，这转化成2.4厘米最小病灶直径为准确定量。
　　 在临床实践中，小于该最小直径的结构经常显示摄取，即使被低估，并且其他因素用于做出关于怀疑恶性肿瘤的决定，例如高于背景的摄取程度，临床风险因素和成像时的稳定性。如果在小于10毫米的病变中没有观察到摄取，没有另外确认形态特征，例如某些钙化或肉眼可见的脂肪减少，则不能排除恶性肿瘤，并且取决于临床病史，通常建议进行成像随访。
　　 相反，如果在亚厘米病变中存在任何高于背景的摄取并且患者处于中度或高度恶性风险中，则通常认为它是可疑的，并且经常进行手术或经皮活检。存在高灵敏度是重要的情况，例如检测全身PET/CT上的黑素瘤中的运输中损伤，然后临床医生可以对其进行定向皮肤病学检查。然而，FDG固有的低特异性可能导致不必要的干预，其具有出血，气胸或其他并发症的风险。需要更准确的PET定量方法来更好地对小病变进行风险分层。
　　 使用OS-EM的传统迭代重建必须要么提前终止，要么进行大量平滑，因为每次迭代都会产生过多的噪声;计算时间限制通常有利于提前终止。这种欠会聚导致有限的空间分辨率，这导致低估了小型FDG狂热结构中的摄取。最近引入的贝叶斯补偿似然重建方法是能够进行通过将空间依赖平滑，噪声惩罚，和分辨率建模。Q.Clear据报道可以改善小型，微弱的FDG狂热异常的PET显着性。
　　 多数顺便指出肺小或内脏病变是良性的。此次研究中，通过文本报告查询选择用于评估的大多数小病灶是在PET/CT成像时偶然注意到的结节;这些可能在任何重建方法上显着吸收的可能性很小。由于这个原因，这个初始人群被“富集”结节，根据他们在肺癌筛查CT中的可疑特征以及患有肺癌高风险的患者，具有更高的内在高代谢性FDG摄取的机会。
　　 研究人员观察到在Q中通过SUVmax定量的表观病变FDG摄取显着增加。具有低噪声惩罚值的清除重建。进行了更高水平的噪音惩罚。组织病理学证实为恶性肿瘤或对恶性肿瘤持怀疑态度的结节在此次的研究中较低，与之前的报道一致。
　　 此次研究的优势包括分析不同的病变队列，以及通过日常临床实践中常用的参数进行评估。
　　 研究人员将Q.Clear与临床上用于此次机构的所有PET/CT的“通用”OS-EM算法进行了比较，包括用于评估小肺结节。虽然这项研究设计与此次的临床实践一致，但它也是一个弱点，因为有可能通过修改OS-EM迭代/子集/空间滤波来优化它以进行小病变检测，可能已经获得了不同的结果。尽管由噪声惩罚提供的正则化重建和完全收敛可能是本文提出的Q.Clear的益处的原因，但Q.Clear的空间分辨率建模也可能有所贡献。
　　 另外的缺点包括相对较小的样本量，偶然注意到的或低风险病变的优势，其中没有进行组织学确认，以及视觉显着性的非盲/非随机评估。尽管后者可能导致回忆偏差，但考虑到Q.Clear重建的独特视觉外观，经验丰富的读者很难将其最小化。使用更大的矩阵尺寸和更大的FOV进一步分析可能是有益的。
　　 总之，相对于护理标准OS-EM，重建具有低水平的噪声惩罚，显着改善了由临床医生解释的1厘米左右的小肺结节的视觉显着性和SUV最大值。因为“太小而无法表征”。虽然需要进一步的工作，但该技术可以在选定的临床情况下改善小型FDG狂热肺结节的分层。