三維PET圖像重建的若干方法研究.pdf

1、正電子發(fā)射斷層成像(PositronEmissionTomography，PET)是核醫(yī)學(xué)最尖端技術(shù)的代表，它利用放射性核素標(biāo)記物對組織功能進(jìn)行顯像，能夠非介入的測量特定目標(biāo)結(jié)構(gòu)或感興趣區(qū)域放射性藥物的生物分布隨時間量化變化。通過使用動力學(xué)模型，可以得到生理或生化參數(shù)。然而在實(shí)際中由于受到低計數(shù)率和物理噪聲的影響，PET圖像的重建問題在理論上是一個病態(tài)問題。動態(tài)PET掃描中，在特定掃描時間內(nèi)低計數(shù)的問題隨時間采樣的增加進(jìn)一步加劇。

2、>　　 濾波反投影(FilteredBack-Projection，F(xiàn)BP)重建方法成像速度快，但是重建圖像通常含有大量噪聲。最大似然期望最大法(Maximum-LikelihoodExpectation-Maximization，MLEM)能夠針對系統(tǒng)的物理模型和探測數(shù)據(jù)的統(tǒng)計特性建立數(shù)學(xué)模型，其重建的圖像質(zhì)量要明顯優(yōu)于傳統(tǒng)的FBP方法，已逐漸取代FBP成為臨床PET的標(biāo)準(zhǔn)重建算法。然而，直接的MLEM方法隨著迭代步數(shù)的增加，噪聲也

3、顯著增加，從而導(dǎo)致非收斂的迭代過程。近年來，貝葉斯(Bayesian)重建方法或者最大化后驗(yàn)(MaximumAPosteriori，MAP)重建方法通過引入圖像的先驗(yàn)?zāi)Ｐ蛠斫鉀Q此問題，該方法已被證明了其在理論上的正確性和實(shí)際上的有效性。針對重建圖像質(zhì)量問題，雖然引入圖像自身先驗(yàn)信息的Bayesian重建能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。
　　 本文的研

4、究工作是在國家重點(diǎn)基礎(chǔ)研究(973)計劃項目(No:2010CB732503)資助下展開的。本文對于PET重建算法的研究工作同樣也是基于如何進(jìn)一步提高重建圖像的量化水平，特別是動態(tài)PET圖像的量化水平。作者做了以下三項關(guān)于PET重建算法的創(chuàng)新研究工作。
　　 1.提出了一種基于解剖自適應(yīng)的非局部先驗(yàn)?zāi)Ｐ汀ａ槍诜蔷植肯闰?yàn)的最大后驗(yàn)PET重建中參數(shù)優(yōu)化的問題，通過引入解剖圖像的區(qū)域信息，設(shè)計了一種基于解剖自適應(yīng)的非局部先驗(yàn)?zāi)Ｐ停?/p>

5、實(shí)現(xiàn)了在最大后驗(yàn)重建中根據(jù)解剖區(qū)域自適應(yīng)的優(yōu)化非局部先驗(yàn)參數(shù)。在PET重建實(shí)驗(yàn)中，該方法與固定參數(shù)的非局部先驗(yàn)進(jìn)行了比較。結(jié)果表明，基于解剖自適應(yīng)的非局部先驗(yàn)?zāi)Ｐ驮谶吘壉３旨疤岣咧亟▓D像量化水平上有一定優(yōu)勢。
　　 2.提出一種基于廣義熵與MR先驗(yàn)的最大后驗(yàn)PET重建算法?；诮陙砼d起的在PET重建中引入MR先驗(yàn)的研究，提出一種基于廣義熵與MR先驗(yàn)的最大后驗(yàn)PET重建算法，該方法無需對MR圖像進(jìn)行分割或提取邊緣，通過構(gòu)建MR圖

6、像與PET圖像灰度特征之間基于廣義熵的互信息或聯(lián)合熵，作為先驗(yàn)引入最大后驗(yàn)PET重建中。實(shí)驗(yàn)表明，基于廣義熵與MR先驗(yàn)的最大后驗(yàn)PET重建，可以有效的引入MR信息，提高重建PET圖象的量化水平。
　　 3.提出一種引入動力學(xué)聚類信息的3.5D動態(tài)PET重建方法。針對傳統(tǒng)的3D動態(tài)PET重建噪聲高，空間分辨率低的問題，通過對初始重建的動態(tài)PET圖像進(jìn)行聚類分析，定義具有相似動力學(xué)特性像素的鄰域，并將此先驗(yàn)引入單獨(dú)幀的最大后驗(yàn)重建。