基于压缩感知理论的TOF‑PET图像重建方法

摘要

本公开提供一种基于压缩感知理论的TOF‑PET图像重建方法。该方法包括：S1.根据飞行时间定位成像原理，通过TOF重建算法基于TOF‑PET探测器得到的数据集以及一初始图像重建出第一图像；S2.根据压缩感知理论，对所述第一图像的一稀疏表达方式以l_p范数最小化为目标求解，并根据求解结果更新所述第一图像，得到第二图像；S3.判断是否达到停止条件：若是，则以所述第二图像为结果图像；若否，则将所述初始图像更新为所述第二图像，并转至步骤S1。通过本公开可以更充分的利用给出的时间信息，减少采集时间，降低药物剂量；同时，不但可以提高图像信噪比，而且对噪声有显著的抑制作用，因此可以获得更优的图像质量。

主权项

一种基于压缩感知理论的TOF‑PET图像重建方法，其特征在于，包括：S1.根据飞行时间定位成像原理，通过TOF重建算法基于TOF‑PET探测器得到的数据集以及一初始图像重建出第一图像；S2.根据压缩感知理论，对所述第一图像的一稀疏表达方式以l_p范数最小化为目标求解，并根据求解结果更新所述第一图像，得到第二图像；S3.判断是否达到停止条件：若是，则以所述第二图像为结果图像；若否，则将所述初始图像更新为所述第二图像，并转至步骤S1；其中，所述TOF‑PET探测器得到的数据集的数据格式包括List Mode数据格式，所述步骤S1中根据以下公式重建出所述第一图像包括：$f^{\left(k\right)}\left(i\right)=\frac{f^{(k-1)}\left(i\right)}{\underset{j\in s_n}{\Sigma }{p}^{TOF}(i,j)}\underset{j\in s_n}{\Sigma }{{\eta }_j}^{att}{p}^{TOF}\frac{1/{\eta }^{multi}}{\underset{i^{\prime }}{\Sigma }{{\eta }_j}^{att}{p}^{TOF}(i^{\prime },j)f^{(k-1)}\left(i^{\prime }\right)+S+R}$其中,f^(k)(i)为所述第一图像，η^multi＝η^det_geomη^decayη^deadtime，分别表示几何探测效率因子、衰变因子和死时间因子，η^att为衰减校正因子，p^TOF为时间扩展函数约束的系统矩阵，S为散射校正数据，R为偶然符合校正数据。