基于不同先驗(yàn)獲取的PET圖像優(yōu)質(zhì)重建新方法研究.pdf

1、作為一種有效的功能醫(yī)學(xué)圖像成像方法，正電子發(fā)射成像(Positron EmissionTomography，PET)能夠在分子水平上利用影像技術(shù)反映人體心腦代謝和功能，已經(jīng)在腫瘤學(xué)，心血管疾病學(xué)和神經(jīng)系統(tǒng)疾病學(xué)研究中，以及新醫(yī)藥學(xué)開發(fā)研究等鄰域中顯示出它卓越的性能?？墒窃趯?shí)際中由于受到低計(jì)數(shù)率和一些物理噪聲的影響，PET、圖像的重建問題在理論上是一個(gè)病態(tài)的問題。傳統(tǒng)的濾波反投影(Filtered Back-Projection，F(xiàn)BP)

2、重建方法雖然具有成像速度快的優(yōu)點(diǎn)，其重建圖像卻含有大量噪聲，圖像質(zhì)量較差。 最大似然一期望最大法(Maximum-Likelihood Expectation-Maximization，ML-EM)能夠針對(duì)系統(tǒng)模型的物理效應(yīng)和探測(cè)數(shù)據(jù)和噪聲的統(tǒng)計(jì)泊松特性建立數(shù)學(xué)模型，其重建的圖像質(zhì)量要優(yōu)于傳統(tǒng)的FBP方法。然而，單純的傳統(tǒng)ML-EM方法依然有兩個(gè)缺點(diǎn)：1，在迭代過程中，會(huì)產(chǎn)生質(zhì)量退化的圖像而導(dǎo)致的棋盤效應(yīng)，從而導(dǎo)致非收斂的迭代過

3、程；2，收斂速度較慢，需要大量迭代次數(shù)才能重建出可以接受的圖像。 近二十年來，國際上出現(xiàn)了很多解決以上兩個(gè)問題的方法。一方面，基于馬爾可夫隨機(jī)場(Markov Random Fields，MRF)的貝葉斯(Bayesian)重建方法或者最大化后驗(yàn)估計(jì)(Maximum A Posteriori，MAP)的方法通過引入正則化項(xiàng)來引進(jìn)目標(biāo)同位素密度數(shù)據(jù)在空間上的概率分布的先驗(yàn)信息，能夠明顯改善重建圖像質(zhì)量以及迭代過程的收斂性，該方法已

4、被證明了其在理論上的正確性和實(shí)際上的有效性。另一方面，很多科學(xué)家也提出一些有效的方法和算法來解決ML-EM方法收斂速度慢的問題，1994年，H.Malcolm Houdson和Richard s.Larkin提出使用有序子集(Ordered Subsets，OS)的方法將完整探測(cè)數(shù)據(jù)sinogram分割成有序部分?jǐn)?shù)據(jù)的方法來減小每次迭代的運(yùn)算量，從而達(dá)到了加快收斂速度的目的；密歇根大學(xué)的J.A.Fessler小組提出了能夠提高收斂速度的

5、SAGE(Space-Alternating Generalized EM)收斂重建算法和PSCD(ParaboloidalSurrogate CoordinateAscent)，收斂重建算法；另外，Erkan U Mumcuoglu，David S．Lalush及Fessler也分別提出將共軛梯度法(Conjugate Gradient，CG)應(yīng)用于PET重建算法中以加快收斂速度。對(duì)于重建速度的問題，雖然能夠反映探測(cè)數(shù)據(jù)統(tǒng)計(jì)特性的迭代

6、重建能夠重建出較傳統(tǒng)的FBP重建更好的圖像，然而其應(yīng)用一直受到重建速度慢的缺點(diǎn)的限制；在重建圖像質(zhì)量方面，作者發(fā)現(xiàn)，sinogram探測(cè)值中大量的噪聲一直對(duì)重建有著很大的負(fù)面影響，而且此種負(fù)面影響持續(xù)貫穿于整個(gè)在迭代過程中。雖然引入了圖像先驗(yàn)信息的Bayesian能夠在很大程度上改善迭代重建，但是依賴于傳統(tǒng)的局部鄰域信息的，Bayesian方法只能為重建提供有限的局部先驗(yàn)信息，一方面，傳統(tǒng)的平滑二次QM(Quadratic Membra

7、ne)先驗(yàn)易在重建的結(jié)果圖像中產(chǎn)生過平滑效果，另一方面，具有邊緣保持作用的非二次先驗(yàn)則會(huì)給重建圖像帶來階梯狀的邊緣偽影。 本文對(duì)于PET重建算法的研究工作同樣也是基于如何進(jìn)一步加快重建算法的收斂速度和進(jìn)一步提高重建圖像的質(zhì)量。作者做了以下四項(xiàng)PET重建算法方面的工作： 1，提出將有序子集的思想和共軛梯度法相結(jié)合的新的快速子集共軛梯度重建算法(OSCG Ordered Subsets Conjugate Gradient)

8、來加快PET重建的收斂速度。 2，提出基于修改sinogram探測(cè)值的新的耦合反饋(Coupled Feedback，CF)迭代模型來降低在重建迭代中探測(cè)數(shù)據(jù)sinogram中的噪聲對(duì)PET重建的負(fù)面影響。 3，提出一種新的有效的綜合了QM先驗(yàn)和QP(Quadratic Plate)先驗(yàn)的MRF二次Membrane-Plate混合先驗(yàn)?zāi)Ｐ?，?shí)現(xiàn)了在Bayesian重建中根據(jù)目標(biāo)圖像中各點(diǎn)的性質(zhì)來自適應(yīng)的選擇QM先驗(yàn)和OP