约翰·霍普金斯医院有一台光子计数 CT（PCCT）扫描仪，价值数百万美元。隔壁社区医院没有。但社区医院的病人也需要高质量的胸部 CT。
2026 年 4 月，约翰·霍普金斯的周宗纬团队发表了一个叫 SUMI 的方法：用 1046 张 PCCT 扫描作为"老师"，训练一个 AI 模型，把普通 CT（EICT）升级到接近 PCCT 的质量。不需要换机器，不需要重新扫描病人，只需要跑一遍模型。
结果：17,316 张公开普通 CT 被增强到 PCCT 级别，图像质量指标 SSIM 提升 35.9%，下游肺结节检测 F1 提升 15.2%。所有代码、数据、模型开源。
两种 CT 的差距
普通 CT（EICT）用的是能量积分探测器：X 光打在闪烁体上产生光，光被光电二极管读取。每个像素接收的是所有光子能量的总和。这就像用温度计测一锅汤的温度——你知道总体热度，但不知道每个分子的速度。
光子计数 CT（PCCT）用的是直接转换半导体探测器（通常是碲化镉）。每个 X 光光子打进来，直接产生电子-空穴对，探测器逐个计数每个光子并测量其能量。这就像知道每个分子的速度分布——信息量多了一个数量级。
PCCT 的临床优势：空间分辨率更高（0.2mm vs 0.5mm）、噪声更低、伪影更少、辐射剂量更低。能看到更细的气道分支、更小的肺结节、更清晰的血管壁。
但 PCCT 扫描仪贵得离谱。2026 年全球装机量不到 5000 台，集中在顶级学术中心。社区医院、基层医疗机构、发展中国家用的全是 EICT。这种不平等不是"技术差距"，是"生命差距"——早期肺癌在 EICT 上可能被噪声掩盖，在 PCCT 上清晰可见。
SUMI 的思路：反向蒸馏
直接训练一个"低质量→高质量"的模型需要配对数据：同一个病人同一次扫描的 EICT 和 PCCT 版本。这在现实中不可能——你不能让病人做两次 CT，辐射剂量翻倍，伦理委员会不会批准。
SUMI 的思路是反过来的：先有 PCCT，主动把它退化成 EICT 的样子，然后训练模型学会逆转这个退化过程。
这就像教一个学生做菜：不是给他一堆好菜让他猜怎么做，而是先做好一道菜，故意搞砸（加盐太多、烧焦、切歪），然后让他学会从搞砸的版本恢复出原版。学会了这个"逆转退化"的技能，他就能处理任何一道被搞砸的菜。
具体来说，SUMI 设计了三种退化策略，对应 EICT 的三种主要缺陷：
稀疏视角退化（Sparse View）：CT 重建需要围绕病人旋转采集投影。EICT 采集的投影数少，重建会产生条纹伪影。SUMI 在 Radon 空间（投影空间）中对 PCCT 的投影做下采样，模拟这种伪影。
低剂量退化（Low Dose）：EICT 的 X 光剂量低，光子数少，信号服从泊松分布，噪声大。SUMI 对 PCCT 的投影施加泊松噪声，模拟低剂量效果。
常规退化（Conventional）：EICT 的探测器分辨率低、电子噪声大。SUMI 对 PCCT 做空间下采样 + 高斯噪声 + 泊松噪声，模拟常规 EICT 的综合效果。
这三种退化不是随便选的——它们对应 CT 物理学中三种不同的信息损失机制。稀疏视角损失的是角度信息，低剂量损失的是光子计数信息，常规退化损失的是空间分辨率和信噪比。三者正交，覆盖了 EICT 的主要缺陷空间。
临床验证：放射科医生说了算
退化的"真实感"怎么验证？PSNR、SSIM 这些指标不够——它们测的是像素相似度，不是临床可信度。
SUMI 做了一件少见的事：请了 board-certified radiologist（认证放射科医生）做盲评。医生们看了真实 EICT 和 SUMI 退化后的 PCCT，判断哪些是真实 EICT、哪些是模拟的。如果医生分不清，说明退化足够真实。
这个验证步骤至关重要。如果退化不真实，训练出来的增强模型可能学到的是"去除模拟伪影"而非"去除真实 EICT 缺陷"——在真实 EICT 上就不管用了。
持续学习自编码器：40 万张 CT 的解剖先验
SUMI 的增强模型是潜在扩散模型（LDM），需要一个自编码器把 CT 压缩到潜在空间。这个自编码器是 SUMI 的另一个核心贡献。
训练数据：1046 张 PCCT + 405,379 张 EICT，来自 145 家医院、19 个国家。这是迄今为止最大规模、最地理多样化的开源医学 CT 自编码器。对比之下，之前的 LDM 用了 0 张、MedDiff 用了 2 张、MONAI 用了 7 张、Med3D 用了 8 张、MAISI 用了 10 张。
但大规模多源训练有一个经典问题：灾难性遗忘。模型看了医院 A 的数据学会 A 的特征，再看医院 B 的数据就忘了 A。传统解法是把所有数据混在一起训练——但医疗数据不能集中（隐私、法规）。
SUMI 用了持续学习（continual learning）策略：模型按顺序在不同医院数据上训练，同时用一个 Memory Loss 模块保留之前学到的解剖先验。这允许医院在本地微调模型而不共享患者数据，同时不丢失全局知识。
这个自编码器本身就是一个有价值的副产品——它可以作为其他医学影像生成任务的特征骨干。论文明确说了"we release for reuse in other generative medical imaging tasks"。
四种损失函数：不只是像素匹配
增强模型的训练用了四种损失：
1. 像素损失 L_pp：L1 范数 ‖x' - x‖₁，保证结构保真
2. 分割损失 L_seg：交叉熵 CE(SEG(x'), SEG(x))，保证器官边界一致
3. HU 一致性损失 L_HU：Σ_c ‖μ_c(x') - μ_c(x)‖₁，保证每个区域的平均 HU 值一致
4. 对抗损失 L_dis：判别器 D(x') 的负对数似然，保证视觉真实感
HU（Hounsfield Unit）是 CT 的密度单位：空气 -1000，水 0，骨骼 +400 到 +1000。HU 值的准确性对诊断至关重要——骨密度测量、肺结节定性都依赖它。L_HU 损失确保增强后的 CT 不会在关键区域产生密度偏差，这是医学影像不同于自然图像增强的关键约束。
分割损失用预计算的器官掩码（airway tree、artery、vein、lung、lobe），确保增强不会扭曲解剖结构。这是对"结构幻觉"的防御——生成模型可能"发明"不存在的解剖细节，分割损失强制它忠于真实结构。
结果：全面碾压
图像质量（446 例外部测试集）：
| 方法 | 稀疏视角 SSIM | 低剂量 SSIM | 常规 SSIM | 混合 SSIM |
|---|
| SR3 | 46.2 | 42.0 | 44.4 | 47.0 |
| Pix2Pix | 43.6 | 60.0 | 60.8 | 62.9 |
| Swin2SR | 62.1 | 59.9 | 29.0 | 66.8 |
| NLM | 73.2 | 72.3 | 40.9 | 76.9 |
| SRGAN | 56.8 | 85.5 | 82.8 | 63.1 |
| NEED | 67.4 | 83.1 | 80.3 | 69.5 |
| SUMI | 91.6 | 92.8 | 88.2 | 90.2 |
| Δ vs 次优 | +35.9% | +8.5% | +6.5% | +17.3% |
PSNR 的提升类似：最高 +19.5%。
下游任务（三个独立数据集）：
| 数据集 | 任务 | 基线 F1 | +SUMI F1 | Δ |
|---|
| Luna16 | 肺结节检测 | 81.6 | 87.2 | +5.6 |
| LNDb19 | 肺结节检测 | 55.2 | 70.4 | +15.2 |
| DSB17 | 肺肿瘤检测 | 80.2 | 87.3 | +7.1 |
AUC 提升最高 +10.5%。这意味着：把 SUMI 增强后的 CT 喂给现有的检测模型（MONAI、grt123），不需要改架构、不需要重新调参，检测性能就自动提升了。
解剖保真度：用 VISTA3D 分割增强前后的 CT，比较器官体积和 HU 值的 Pearson 相关系数 r。所有器官的 r 都接近 1.0——增强没有扭曲解剖结构，没有产生密度偏差。
消融实验：三种退化缺一不可
去掉任何一种退化策略，模型在对应场景下的性能就大幅下降：
| 配置 | 稀疏视角 SSIM | 低剂量 SSIM | 常规 SSIM | 混合 SSIM |
|---|
| 去掉稀疏视角 | 71.9 | 90.0 | 87.2 | 73.2 |
| 去掉低剂量 | 72.7 | 82.6 | 84.3 | 76.2 |
| 去掉常规 | 75.8 | 86.0 | 85.3 | 81.9 |
| 全部退化 | 91.6 | 92.8 | 88.2 | 90.2 |
去掉稀疏视角训练后，稀疏视角测试 SSIM 从 91.6 掉到 71.9——掉了 20 个点。其他两种退化类似。这证明三种退化不是冗余的，各自覆盖了 EICT 缺陷空间的一个正交维度。
17,316 张增强 CT：最大的公开增强数据集
SUMI 不只是训练了一个模型，还把 17,316 张公开 EICT 增强到 PCCT 级别，全部开放。这些数据来自 8 个公开数据集：
- DSB17：1,596 张
- LIDC-IDRI：1,018 张
- LNDb19：324 张
- LTRC：1,496 张
- Luna16：854 张
- MIDRC：10,496 张
- NLST：422 张
- RSNA-STR：1,110 张
每张增强 CT 都有放射科医生验证的体素级标注：气道树、肺动脉、肺静脉、肺、肺叶。这是目前最大的公开增强 CT 数据集，可以直接用于训练和评估下游任务。
局限与诚实
论文坦率承认了几个局限：
- 仅胸部 CT：腹部/盆腔 CT 的退化模式不同，需要额外验证。但胸部 CT 的退化比腹部更明显（空气-组织界面产生更多伪影），所以胸部是更有挑战性的起点。
- 2D 切片而非 3D 体积：当前实现逐切片处理，z 方向连续性靠连续处理相邻切片保证。完整 3D 实现受计算资源限制，留作未来工作。
- 闭源方法无法比较：许多先进的医学影像增强方法是闭源的，无法进行可重复比较。SUMI 选择和开源/可复现的方法比较。
我的看法
SUMI 的核心洞察不是"用 AI 增强 CT"——这个方向已经有很多工作。它的洞察是先建模退化过程，再学逆转。这个思路的威力在于它绕开了"配对数据"这个不可能的要求。
不需要同一个病人做两次扫描。只需要：少量高质量 PCCT + 大量低质量 EICT + 一个物理合理的退化模型。这三样东西都容易获得。
这个范式可以迁移到其他"高质量数据稀缺"的场景：
- MRI：高场强 MRI（7T）数据少，低场强 MRI（1.5T）数据多。建模 7T→1.5T 退化，训练逆转模型。
- 超声：高端超声设备数据少，便携超声数据多。建模高端→便携退化，训练逆转模型。
- 病理切片：高分辨率全切片图像（WSI）数据少，低分辨率快速扫描数据多。同样的范式。
更一般地，SUMI 是"硬件进步蒸馏"的一个实例：把昂贵硬件的优势通过 AI 蒸馏到廉价硬件的数据上。PCCT 的硬件进步被"压缩"进了一个 AI 模型，任何 EICT 设备都能通过跑这个模型获得接近 PCCT 的质量。
这和 RoSHI（用廉价传感器+AI 算法逼近昂贵动捕系统的精度）是同一种哲学：用软件弥补硬件的不平等。当硬件进步被少数机构垄断时，AI 可以成为技术民主化的杠杆。
17,316 张增强 CT 和代码已开源：https://github.com/KumaKuma2002/OpenVAE
---
论文：arXiv:2604.07329
通讯作者：周宗纬（约翰·霍普金斯大学，zzhou82@jh.edu）
代码/数据/模型：https://github.com/KumaKuma2002/OpenVAE
资助：Lustgarten 胰腺癌研究基金会、NIH R01EB037669