摘要目的 观察深度渐进重建(DPR)算法用于重建全身18F-FDGPET图像的价值.方法 回顾性纳入67例接受全身18F-FDG PET/CT显像患者,分别利用有序子集最大期望值法(OSEM)及DPR算法重建设备列表下每床位30、60、90 及 120 s 数据,共得到 7 组 PET 图像,包括 3 组 OSEM(OSEM_30、OSEM_60 及 OSEM_120 组)和 4 组 DPR(DPR_30、DPR_60、DPR_90及DPR_120组)图像;比较各组图像主、客观评价结果,后者包括病灶和肝脏最大及平均标准摄取值(SUV),即SUVmax及 SUVmean;计算靶区本底比值(TBR)、信噪比(SNR)、对比度噪声比(CNR)及肝脏变异系数(CVliver).以OSEM 120组为参考,绘制Bland-Altman图,观察基于DPR_30、DPR_60及DPR_90组所获病灶及肝脏SUV与基于OSEM_120组所获结果的一致性.结果 相同采集时间下,各DPR组图像主观评分均高于相应各OSEM组;基于各DPR 组所获病灶 SUVmax、SUVmem,TBR、SNR、CNR 及 CVliver均优于相应 OSEM 组(P均＜0.001).相比 OSEM_120 组,DPR_30组主观评分及SNR均降低而TBR及CVliver升高,DPR_60组及DPR_90组图像主、客观评价结果改善(P均＜0.05)或差异无统计学意义(P均＞0.05).基于上述7组所测肝脏SUVmean差异无统计学意义(P=0.955),且基于DPR_30、DPR_60及DPR_90组所测病灶和肝脏SUVmax及 SUVmean均与基于OSEM_120组测量结果具有良好一致性.结论 DPR算法用于重建全身18 F-FDG PET图像可在保证图像质量的前提下缩短采集时间.