基于不同先驗獲取的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。可是在實際中由于受到低計數(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，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)能夠針對系統(tǒng)模型的物理效應(yīng)和探測數(shù)據(jù)和噪聲的統(tǒng)計泊松特性建立數(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方法依然有兩個缺點：1，在迭代過程中，會產(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估計(Maximum A Posteriori，MAP)的方法通過引入正則化項來引進(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。對于重建速度的問題，雖然能夠反映探測數(shù)據(jù)統(tǒng)計特性的迭代

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的限制；在重建圖像質(zhì)量方面，作者發(fā)現(xiàn)，sinogram探測值中大量的噪聲一直對重建有著很大的負(fù)面影響，而且此種負(fù)面影響持續(xù)貫穿于整個在迭代過程中。雖然引入了圖像先驗信息的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信息，一方面，傳統(tǒng)的平滑二次QM(Quadratic Membra

7、ne)先驗易在重建的結(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則會給重建圖像帶來階梯狀的邊緣偽影。 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數(shù)據(jù)sinogram中的噪聲對PET重建的負(fù)面影響。 3，提出一種新的有效的綜合了QM先驗和QP(Quadratic Plate)先驗的MRF二次Membrane-Plate混合先驗?zāi)Ｐ停瑢崿F(xiàn)了在Bayesian重建中根據(jù)目標(biāo)圖像中各點的性質(zhì)來自適應(yīng)的選擇QM先驗和OP